【Movidius™NCS＆RaspberryPi】リアルタイム物体認識【TensorFlow】 - Qiita
RaspberryPiの様な非力なマシンでも人工知能スティックを利用することで、ディープラーニングの実行速度を上げることが出来るようになりました。 Movidius™ Neural Compute Stick 先日スイッチサイエンスさんで購入することが出来ましたので早速試してみました。こんな感じ。 画像はFPS10程度のGIFですので、動画で確認したい方はこちらをご参照ください。通常のRaspberryPiでは考えられない位（6〜7倍）高速に推測を行う事が出来ています。 環境 ハードウェア RaspberryPi3 Movidius™ Neural Compute Stick LOGICOOL ウェブカム HD画質 120万画素 C270 ソフトウェア RASPBIAN STRETCH WITH DESKTOP 4.9 Python 3.5.3 pip 9.0.1 TensorFlow 1
Alexaに日本語を喋ってもらう - Qiita
背景 Pollyで文字から音声を生成できる Alexa Voice Serviceを使うとmp3が再生できる つまり日本語を話せるAlexaが作れるのでは…？ 概要 日本語で話しかける 日本語で答えてくれる 題材として、「挨拶」と「天気予報を」を選んだ。 「おはよう」 「今日の天気を教えて」 「明日の天気は？」 などに応答してくれる。 こんな感じで会話できます。 (Echo持ってないのでAVSで動かしてます…) https://youtu.be/6GKvik7QOXA Alexa Skills Kit まず、自分で作ったアプリを登録し、AlexaからLambda関数を読み出せるための設定が必要です。 これらの作業は https://developer.amazon.com/ で行う必要があるため、アカウントを取得して下さい。 また、アカウント作成の際に、日本の通販のAmazonで使っている
初心者のRNN(LSTM) | Kerasで試してみる - Qiita
時系列データ解析の為にRNNを使ってみようと思い，簡単な実装をして,時系列データとして ほとんど，以下の真似ごとなのでいいねはそちらにお願いします． 深層学習ライブラリKerasでRNNを使ってsin波予測 LSTM で正弦波を予測する CHANGE LOG 2020/07/12 Sequenceの長さを25 → 50で再学習させた場合を追記 ライブラリをスタンドアロンKeras → Tensorflow.kerasに変更 ライブラリ from tensorflow.keras.models import Sequential from tensorflow.keras.layers import Dense, Activation from tensorflow.keras.layers import LSTM from tensorflow.keras.optimizers impor
Azure Machine Learning でいきなり機械学習 - Qiita
GYAO の kenharad です。 今回機械学習について全く知識のない自分が いきなりAzure Machine Learning（以下AzureML）で機械学習を実践してみました。 経験なしでもさくっと機械学習を行うことが出来たので、その内容をハンズオン形式で紹介したいと思います。 目的 Azure Machine Learning の使い方を身につける。 結果の良い/悪いが判断できるようにする。 概要 機械学習ではまず最初に予測があり、それを実証するために実験を行います。 今回はAzure MLを用いて、「あるWebサイトのPV数に天気が影響しているのではないか」という推測を元に それぞれのデータの相関関係に有意性が存在するかを調べてみます。 これが実証されると、天気予報からWebサイトのPV数が推測できるようになりそうです。 前提条件 Azure のアカウントを所持しており、ログ
JSのグラフライブラリを今選ぶならHighchartsで決まり（2020年版） - Qiita
トレンド（世界）：すべての国/過去12か月/基準としたキーワードを外さずに数値を取得 トレンド（日本）：日本/過去12か月/基準としたキーワードを外さずに数値を取得 Highcharts 公式サイト：Interactive JavaScript charts for your webpage | Highcharts デモサイト：Demos / Stock Demos / Maps Demos / Gantt Demos GitHub：https://github.com/highcharts/highcharts npm：https://www.npmjs.com/package/highcharts CDN：https://code.highcharts.com/highcharts.js ライセンス：商用利用は有償、非営利向け無料ライセンスあり（詳細後述） 推薦しておきながら入門記事
Mac OSXでeGPUプログラミング環境構築(Keras,Tensorflow) - Qiita
もともとGPUを積んでないmacでGPUを使った機械学習をしたいので,外付けGPUボックスとグラフィックボードを用意して環境構築まで行いました。 環境 Mac Mini(macOS Sierra 10.12.6) Python 3.6.3 (pyenvを使っています) AKiTiO Node Thunderbolt3 eGFX Box NVIDIA GeForce GTX1080 Mac MiniはThunderbolt3に対応していないので,Thunderbolt3 to Thunderbolt2アダプタが必要 GPUのセットアップ こちらの記事を参考にGPUのセットアップをしました. Macbook ProでThunderbolt 2接続の外付けGPUを使う（Netstor NA211TB + GeForce GTX 760） NVIDIA Web Driverは378.05.05.2
TensorFlow(LSTM)でBitcoinの価格予想 - Qiita
Bitcoin(ビットコイン)とは？ ビットコインは仮想通貨の一種です。仮想通貨の定義は様々ですが、日本のビットコイン取引所"bitFlyer"によれば 下記です。 仮想通貨としてイメージしやすいのは、オンラインゲーム内の通貨です。円やドルを支払って、ゲーム内で使われている通貨を手に入れれば、そのゲーム内で使われている通貨が「使える」ゲーム内のお店で、アイテムを買うことができます。ゲーム内でのみ使える、仮想の通貨です。 出典*1:ビットコイン（Bitcoin）とは？ ビットコインは仮想通貨の中でも単価価格が高額であり取引高も多いため、投資家達は競って投資しています。 TensorFlow(LSTM)とは？ Bitcoinの価格予想は下記記事を下書きとしています。TensorFlowおよびLSTMの詳細については下記記事を参照して下さい。 出典*2:TensorFlow(LSTM)で株価予想
Python pandas：正規表現を使いDataFrameを検索 - Qiita
pandasにはデータを検索する機能があります。 何桁かのIDのうち最初の1文字目によってグループわけされている場合など文字列の一部を検索条件にしたいときの方法で躓いたのでメモ。 コードの実行にはJupyterを利用しました。 pipなどを利用してpandasをインストールしてください。 環境 Python3.5 pandas0.17 Jupyter notebook IDの仕様 1桁目:A~E 2桁目:A~E 3桁目:0~9 4桁目:0~9 5桁目:0~9 6桁目:0~9 例:AD3489 準備：データの作成 IDっぽいデータを大量生成 あまり賢いコードではありませんがIDっぽい文字列と名前を200個生成しました。 import random id = [] text=['A','B','C','D','E'] name = [] namelistF = ['Thom','Walter'
Bluemix NLTK,MeCab,Watson API のコンテナのビルド 忘備録 - Qiita
IBM Watson API や Pythonベースの日本語の自然言語処理に必要なツールが入った IBMコンテナ（Dockerコンテナ）をビルドして、IBM Bluemix のリポジトリに登録して、再利用できる様にします。 開発環境用のコンテナですから、もちろんコンテナが継続して実行する工夫もします。 Dockerコンテナのビルド環境の構築 目的のDockerコンテナは、自己のPC環境でビルドして、Bluemix のコンテナのリポジトリーに登録していきます。ビルドする環境は Ubuntu Linux の Docker が便利ですから、最初に自己のPC環境に Vagrantで Ubuntu Linux が動作する環境を作ります。 ここでは Vagrant の環境を準備する方法は以下のリンクが参考になると思います。 Vagrant by HashiCorp Qiita Windows + Va
Alexa Skill 開発メモ Flash Briefing Skillの作り方〜 俺得でしかないアーセナルNewsFeed - Qiita
ボス、頼むよ。。 アーセナルが今年4位以内で終わるのが難しいかもしれない、 それどころかスパーズより下かも（＞＿＜）という、 受け止めきれない現実から逃避するために、 試合のない今週末、現実逃避でスキルを作りました。 アーセナル公式ニュースをrssで拾ってきて、Alexaで読み上げるものです。 寝起きに「Alexa、Whats my news?」と聞くだけで、Arsenal公式ニュースを最新の５個、 読み上げてくれます。英語が苦手な自分でも、「Boss」と言えばベンゲルだし、 「Ozil」「Alexis」など選手名を言って貰えば、ははあ、また契約延長関連で 何か言ってるのか、と察してwebのニュースを改めて見ることができます。 最近は90minの噂に踊らされて心が荒んでおりますゆえ、公式しか信じないことにしたのです。 このSkill、まだAmazonに申請中で、審査に何日かかるかわからんの
Increments社のQiitaが「Amazon Alexa」に対応開始 - Qiita株式会社
Increments社のQiitaが「Amazon Alexa」に対応開始Increments株式会社(本社:東京都渋谷区、代表取締役:海野 弘成、以下インクリメンツ)は、同社が運営するプログラマのための技術情報共有サイト「Qiita (キータ)」にてAmazonが提供するクラウドベースの音声サービス「Amazon Alexa」へ対応いたします。音声で操作でき、常にハンズフリーで利用できるスピーカー「Amazon Echo」に「アレクサ、今日のニュースは？」と話しかけるだけで、いまQiita内で話題になっている記事を知ることができます。 QiitaのAlexa対応により、Amazon Echoに「アレクサ、今日のニュースは？」と話しかけるだけで、最近Qiitaにて盛り上がっている記事が読み上げられます。これにより最近の技術トレンドやニュースを簡単に把握することができます。 今後、インクリメ
SSD(Keras / TensorFlow)でディープラーニングによる動画の物体検出を行う - Qiita
やったこと 前回に引き続き、動画の物体検出を行いました。 今回はアルゴリズムを変えて、SSDという物体検出アルゴリズムを使用しています。 （動画はPIXELS VIDEOSよりCCライセンスの動画を使用しました。） SSD(Single Shot MultiBox Detector)とは 論文はこちら(2016年)。 前回使用したYOLO(You only look once)アルゴリズムと同じく、畳み込みニューラルネットワーク(CNN:Convolutional Neural Network)を用いた物体検出アルゴリズムです。 他のシングルステージ方式と比較して、入力画像サイズが小さくてもSSDの精度ははるかに優れています。 Compared to other single stage methods, SSD has much better accuracy, even with a
Scikit learn 識別器のいろいろ - Qiita
# -*- coding: utf-8 -*- import numpy as np import matplotlib.pyplot as plt %matplotlib inline from matplotlib.colors import ListedColormap from sklearn.cross_validation import train_test_split from sklearn.preprocessing import StandardScaler from sklearn.datasets import make_moons, make_circles, make_classification from sklearn.neighbors import KNeighborsClassifier from sklearn.svm import SVC from
TensorFlowをWindowsにインストール Python初心者でも簡単だった件 - Qiita
TensorFlow1.6をWindows10にインストールします。基本的には公式サイトを見ながらインストールしています。私は Pythonはほとんどやったことない人間ですが、そんな程度でもまるで問題なかったです。 当記事はAnacondaを使っていますが、Minicondaも使用ディスク容量が大幅に削減できておすすめです。Minicondaの場合は以下の2つの記事を参照ください。 WindowsにMinicondaインストール(2018年) WindowsでMinicondaを使ってTensorFlow環境構築(2018年) Windowsでの環境比較は、記事「Windows PCで機械学習環境を作る方法まとめ」に書きました。 UbuntuでのTensorFlow環境構築は記事「WSLのUbuntuにTensorFlowをインストール」を参照ください。 あと、Google Colabor
【初心者向け】【備忘用】AlexaとLambdaの連携 -シミュレータツール(echosim.io)でのテストまで- - Qiita
最初に この記事は、Amazon echo(echo show)のためのサービスを作ってみたい！けど、まず最初になにやればいいの？？って人向けの記事です。基本、自分の備忘用です。間違った内容などあれば指摘してもらえるとありがたいです。 Amazon echoは、現在、日本未発売かつ、日本語自体も未対応です。 (2017/07/17現在)※英語(US,UK),ドイツ語には対応 ただ、echoに限らずですが、スマートスピーカー周りは今後面白くなりそうなので、 今のうちにフライングで触っておいてみようと思って触ってみました。 触るにあたり、導入からテストまで一連の流れでわかりやすい記事がなかなか見つけられなかったのでそれならば書いてしまおうと思って書きました。 最終的に、github上に、とてもわかりやすい記事があったので導入に関しては、そちらの記事を参照してもらえれば誰でも出来ると思います。
これから強化学習を勉強する人のための「強化学習アルゴリズム・マップ」と、実装例まとめ - Qiita
Deleted articles cannot be recovered. Draft of this article would be also deleted. Are you sure you want to delete this article? ※2018年06月23日追記 PyTorchを使用した最新版の内容を次の書籍にまとめました。 つくりながら学ぶ! 深層強化学習 ~PyTorchによる実践プログラミング~ 18年6月28日発売 これから強化学習を勉強したい人に向けて、「どんなアルゴリズムがあるのか」、「どの順番で勉強すれば良いのか」を示した強化学習アルゴリズムの「学習マップ」を作成しました。 さらに、各手法を実際にどう実装すれば良いのかを、簡単な例題を対象に実装しました。 本記事では、ひとつずつ解説します。 オレンジ枠の手法は、実装例を紹介します。 ※今回マップを作るに
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
TensorFlow 環境構築 on windows - Qiita
pandas.DataFrame.to_sqlの落とし穴と対処法 - Qiita
Matplotlib4jでJavaやScalaからMatplotlibを使う - Qiita
Kerasのcallbackを試す（modelのsave,restore/TensorBoard書き出し/early stopping） - Qiita
