TensorFlow iOS カメラサンプルで自作した画像分類器を動かす - Qiita
TensorFlow で自作した画像分類器モデルを TensorFlow iOS で動かします。 大抵の記事では分類器モデルの作成までは説明されているのですが（Mac や Ubuntu で動かすにはそれで十分）、iOS カメラサンプルで使われている pb（protocol buffers） ファイルの作成の部分まで触れているものがなかったのでその部分を説明しようかと思います。 ちなみに僕はこの方法で作成した pb ファイルを使って「B'z 分類器を作って iOS で動かす」というのをやってみました。 B'z 分類器つくって iOS で動かしてみました。 #TensorFlow pic.twitter.com/Iq9Y4lcyNM — シン・キョンホン (@keonheon) 2017年2月1日 環境 Python 2.7 TensorFlow 1.0 やること 学習済みの ckpt から
【Darknet】リアルタイムオブジェクト認識 YOLOをTensorflowで試す - Qiita
ちなみに僕の実行環境ではGPUは使えないためCPU版で行なっていきます。 #リアルタイムオブジェクト認識YOLO ###モデルダウンロード Darknetのインストールが完了したら早速YOLOを使ってみましょう。 まずは学習済みのモデル(.weights)ファイル(258 MB)をダウンロードします。 またはターミナルから以下を実行してもokです。 wget http://pjreddie.com/media/files/yolo.weights ###実行 ./darknet detect cfg/yolo.cfg yolo.weights data/dog.jpg モデルをダウンロードし、上記の実行コマンドを入力するとpredictions.pngという画像が生成されオブジェクト認識されていることがわかります。 #TensorflowでYOLO Darknetのチュートリアルが終わった
models/street at master · tensorflow/models · GitHub
README.md StreetView Tensorflow Recurrent End-to-End Transcription (STREET) Model. A TensorFlow implementation of the STREET model described in the paper: "End-to-End Interpretation of the French Street Name Signs Dataset" Raymond Smith, Chunhui Gu, Dar-Shyang Lee, Huiyi Hu, Ranjith Unnikrishnan, Julian Ibarz, Sacha Arnoud, Sophia Lin. International Workshop on Robust Reading, Amsterdam, 9 October
Googleの人工知能ライブラリ「TensorFlow」を始めよう（翻訳）
本記事は、TensorFlow（テンソルフロー）の本家サイト「Get Started – Getting Started With TensorFlow」 を翻訳（適宜意訳）したものです。 誤り等あればご指摘いただけたら幸いです。 はじめに このガイドはあなたに、TensorFlowによるプログラミングを始めてもらうためのものです。 このガイドを利用する前に、TensorFlowをインストールしてください。このガイドを有益なものにするためには、前提条件として以下について知っておいたほうが良いでしょう。 ・Pythonを使ったプログラミング ・配列について最低限の知識 ・理想は、機械学習について何かしらの知識があればなお良い。しかし、もし機械学習について殆どあるいは全く知らないとしても、この記事は読んでおくべき最初のガイドになるはずです。 TensorFlowは複数のAPIを提供します。 最
TensorFlowのiOSサンプルの実行手順（2017年7月現在） - Qiita
【注意】本記事のサンプルは公開終了になっていました。（TensorFlow Liteに移行したようです。） TensorFlowのiOSサンプルの実行手順について、すでにいろいろ情報は出ていますが、最新版では少し異なる箇所があったので、覚書としてまとめておきました。 はじめに 以下の環境で作業を行いました。 macOS 10.12.5 Xcode 8.3.3 TensorFlow Release 1.2.1 （2017/7/1 現在） 実は、今回行う手順は、以下のREADME.mdにまとまっています。 https://github.com/tensorflow/tensorflow/tree/master/tensorflow/contrib/makefile ただし、古い記述もありました。 （「tensorflow/contrib/ios_examples」から「tensorflow/e
YOLOv2(TensorFlow)を使ってリアルタイムオブジェクト認識をしてみる - Qiita
はじめに これまで、オブジェクト検出としてBING、Selective Search、Faster-RCNNといった手法を試してきました。 今回は現在(2017/6月)のところ最速であろうYOLO(v2)を試したみたいと思います。 オリジナルはC言語で書かれています。 https://pjreddie.com/darknet/yolo/ ・過去の記事はこちら CNNの前処理としてOpenCVでBINGを使ってみた R-CNNとしてSelective search を使ってみた Faster R-CNNを使ってリアルタイムオブジェクト検出をしてみよう 実行環境 OS: Ubuntu16.04LTS GPU:GTX-1050 Python:3.5 CUDA8.0 cuDNN5.1 準備 大変ありがたいことに、TensorFlowを使用したバージョンを公開されてますので今回はこちらを使います。
最近のTensorFlowの話
TFUG Utsunomiya (https://tfug-utsunomiya.connpass.com/event/55503/) の発表資料
Unclear documentation on dynamic_rnn vs rnn for efficient dynamic sequence length computation · Issue #3801 · tensorflow/tensorflow
It looks like from the latest documentation that rnn performs early stopping for dynamic length sequences whereas dynamic_rnn does not? This would seem to be the reverse of the intuition. So it looks like in commit 855d3b5, the definition of dynamic_rnn was changed from: The parameter sequence_length is required and dynamic calculation is automatically performed. to: The parameter sequence_length
Performance RNN: Generating Music with Expressive Timing and Dynamics
Performance RNN: Generating Music with Expressive Timing and Dynamics Jun 29, 2017 Ian Simon iansimon iansimon Sageev Oore osageev osageev We present Performance RNN, an LSTM-based recurrent neural network designed to model polyphonic music with expressive timing and dynamics. Here’s an example generated by the model: Note that this isn’t a performance of an existing piece; the model is also choos
TensorFlow(LSTM)で株価予想 〜 株予想その１ 〜 - Qiita
先ずは株の予測実験 スクレイピングで持ってくる前にダウンロードして実験できるサイトから実験を始めてみます。 ダウンロードしてきたデータは日経平均の2007年〜2017年の情報。 日付, 始値, 高値, 安値, 終値のデータが入っています。 今回使用するデータは終値を利用します。 アプローチを考える 株については過去の実績(※1)を統計的に分析するより、時系列を用いたRNN(Recurrent Neural Network)(※2)で予測するほうが向いていると考えられるので、RNNの拡張であるLSTM(Long short-term memory)を使ってみることにします。 ※1 過去データの実績をチャートで学習する方法も次回以降で試してみる。 ※2 RNNはディープラーニングの一種。普通のニューラルネットと違い、現在の入力値に加えて自身の前の状態を入力する。RNNの入出力は、以下図のように
Draw Together with a Neural Network
Update (01/03/19): Try out the new magic-sketchpad game! Update (08/02/18): sketch-rnn has been ported to TensorFlow.js under the Magenta.js project! Have a look at the new documentation and code. For mobile users on a cellular data connection: The size of this first demo is around 5 MB of data. Everytime you change the model in the demo, you will use another 5 MB of data. We made an interactive w
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く
Pretrained model for img2txt? · Issue #466 · tensorflow/models
Feature Request: Support for YARN cluster manager for Distributed TensorFlow · Issue #2655 · tensorflow/tensorflow
TFRecord Writer Bug Saving Float List · Issue #9554 · tensorflow/tensorflow
Add 'dynamic_pad' flag to `shuffle_batch` as implemented in `batch` · Issue #5147 · tensorflow/tensorflow
人工知能、弁護士より200倍も速く法律関係の書類を処理──英司法当局が新システム導入
sketch-rnn
sketch-rnn
sketch-rnn
sketch-rnn