【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
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。
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
hubotとchatworkを連携して定常作業を自動化した話 - Qiita
マイネット Advent Calender14日目の記事です。 はじめに 弊社ではスマートフォンゲームの運営を行っておりますが、 日々の運用で定常的に発生する作業があります。 定常作業の例 複数プラットフォームの毎日の売上などの情報を管理サイトから引っ張ってきて足し合わせる ○月△日 □時になったら管理サイトで集計を行う etc... いずれも作業としては単純ですが、手動で行うと面倒なだけではなく、ミスの原因にもなります。 これらの作業はたいてい単純作業ですが、作業をエンジニアしか行うことが出来ない場合があり、非効率なこともあります。 また、自動化の方法はいくらでもありますが、弊社の特徴として買収・協業を行っているタイトルがあり、その中には以下のような制限が存在することもあります。 sudoが使えない(権限がない、cron仕込めない、ツールも入れられない) 勝手にAPIとか追加できない そ
Alpine LinuxでMeCab with NEologd - Qiita
$ echo "10日放送の「中居正広のミになる図書館」（テレビ朝日系）で、SMAPの中居正広が、篠原信一の過去の勘違いを明かす一幕があった。" | \ docker run -i -a STDIN -a STDOUT nownabe/mecab-neologd 10日 名詞,固有名詞,一般,*,*,*,10日,トオカ,トオカ 放送 名詞,サ変接続,*,*,*,*,放送,ホウソウ,ホーソー の 助詞,連体化,*,*,*,*,の,ノ,ノ 「 記号,括弧開,*,*,*,*,「,「,「 中居正広のミになる図書館 名詞,固有名詞,一般,*,*,*,中居正広のミになる図書館,ナカイマサヒロノミニナルトショカン,ナカイマサヒロノミ ニナルトショカン 」 記号,括弧閉,*,*,*,*,」,」,」 （ 記号,括弧開,*,*,*,*,（,（,（ テレビ朝日 名詞,固有名詞,組織,*,*,*,テレビ朝日,テレ
Windows環境でChainerのGPUを使えるようにするまで - Qiita
はじめに Windows10(64bit)環境にて、Chainer1.8.1をインストールしGPUで処理させた手順をメモとして残します。 最初、色々設定済みの環境でうまくいってしまったため、他の初期状態PCに設定する際、迷走を極めました。。 他の方の参考になればと思います。 インストール手順 1.Python3.5.1のインストール 色々便利なAnacondaをインストールします。 https://www.continuum.io/downloads "PYTHON 3.5"を選択。 2.VisualStudio 2013 Community をインストール https://www.visualstudio.com/ja-jp/downloads/download-visual-studio-vs.aspx Visual Studio Community 2013 with Update
【 SONY発 】プログラム実行中 に 動的 に ニューラル・ネットワーク を 構築できる 深層ニューラルネットワーク構築ライブラリ Neural Network Libraries - Qiita
SONY が、深層ニューラルネットワーク構築用の Pythonライブラリ を 無償公開 しました。 （C++ライブラリもあり） ※ 但し、Python 2系 のようです。 日本企業大手 が ついに、AI開発のプラットフォーム市場 に 乗り出しました。 プログラム実行中 に、ドロップアウト率 や 中間層の数 など のパラメータ を 動的 に 受け取って、プログラム内部 で ネットワークを構築する 動的グラフ（dynamic graph）を 定義 すること も できるようです。 （dynamic graph に ついて は、本Qiita記事で、解説しています） 公式Webページ では、X'periaスマホ や SONY不動産 など、 SONYグループの商用サービス に、実際 に このライブラリ が 利用されている 事例 が 紹介されています。 インタフェース は、以下の例を見てわかるよう に、
【入門者向け解説】TensorFlow基本構文とコンセプト - Qiita
TensorFlowの基本構文とコンセプト 公式ページのGetting Started With TensorFlowを試して、ポイントとなる点を解説していきます。この内容を理解してから「【入門者向け解説】TensorFlowチュートリアルMNIST(初心者向け)」のチュートリアルをすると理解が早いです(私はボケてすっ飛ばしていました)。 参考リンク TensorFlowをWindowsにインストール Python初心者でも簡単だった件 【入門者向け解説】TensorFlowチュートリアルMNIST(初心者向け) TensorFlowチュートリアルMNIST(初心者向け)をTensorBoardで見える化 TensorFlow APIメモ 【TensorBoard入門】TensorFlow処理を見える化して理解を深める 【TensorBoard入門:image編】TensorFlow画像処
中学生にもわかるTensorFlow入門 その２ 行列の演算 - Qiita
今回の概要 前回はテンソルとは何かを説明しましたが、今回は、行列の演算についてごく基礎的なことを説明させていただこうと思います。理系の大学を目指す受験生や大学生なら十二分に理解しているような内容です ここでどうして行列の演算かというと、歴史的に見て、まず行列を利用して方程式を解くといういわゆる線形代数の基本的なものから学問が発達し、それを元にさらに一般化させたテンソルという概念によって多重線形代数というものに発達していったという歴史があるからです 実際TensorFlowやChainerなどのニューラルネットワークを比較的容易に記述できるようになった（Python言語の）ライブラリはこうした行列演算が基礎になっていますから、そこで必要となるであろう最低限の知識である行列の和と積についてまず説明します。次に図形の変形などの際に利用されるであろう、行列の積の演算を利用し、図形の変形や回転、ある
KerasのモデルとTensorFlowの最適化でWasserstein GANを学習する - Qiita
はじめに この記事でやること：Kerasのモデル，TensorFlowの最適化によってWasserstein GANを学習する． 前提知識：GANの基本的な学習則 この記事が必要ない方：いずれかの深層学習ライブラリ，またはフルスクラッチで自由自在にコーディングできる方 最近深層生成系，いわゆるGANがホットですね．僕もいろいろ試して遊んでます．ライブラリはやっぱりKerasが直感的でわかりやすいですね． さて，ふつうのDCGANやWasserstein GANなどはKerasでもサクッと実装・学習できてしまうわけですが，誤差の最適化などで細かい改善がされてるやつになると「これ，Kerasでどう書けばええんや，，，？」となってしまうこともあるかと思います．僕はImproved Training of Wasserstein GANsで提案されているGradient Penaltyの実装でそう
Docker + TensorFlow + matplotlibでグラフを表示させる - Qiita
はじめに TensorFlowの利用はDockerを使うと簡単です。 TensorFlowのDocker公式イメージにはmatplotlibがインストールされているのですが、そのままではpyplot.show()などが使えません。 要するにデフォルトではGUIが表示できません。 そこで今回はTensorFlow + Docker + matplotlibでGUIを利用可能にします。 また、今回はホストOSがwindowsであるという前提で進めます。 なお、今回の内容はGitHubで公開しているスライドの内容に基づいています。 Dockerのインストール Dockerのインストールについてはここを参照してください。 MobaXtermのインストール MobaXtermはWindowsで動作するターミナルです。 このMobaXtermはX11フォワーディング機能を標準機能として備えています。
TensorFlow 1.2.0の主な変更点
はじめに TensorFlow 1.2.0がリリースされました。 https://github.com/tensorflow/tensorflow/releases リリースノートに載っていた変更点を以下にメモりました。憶測で書いているところもあるので、ツッコミは大歓迎です。 Windows上でのPython3.6のサポート spatio temporal deconvolutionのためのtf.layers.conv3d_transposeレイヤの追加 コメント：3次元MRI画像のようなデータをさばくためのレイヤだと理解 前のTFには2次元の畳込みしかなかった記憶がある tf.Session.make_callable()の追加 オーバーヘッドが削減されるとのこと contrib向けにibverbsベースのリモートダイレクトメモリアクセス（RDMA）を追加 RDMAやInfiniBand
Unity上でTensorFlowのCNNを動かす。 - Qiita
Unity上でTensorFlowのCNNを動かす。 この記事でTensorFLowSharpは導入済みであると仮定している. ここを記事を見て、手持ちの環境に合わせてTensorFlowSharpをビルドしておく。 unityの導入 文法的にC#6でないと動かないと所があるので、ここからから最新版(Unity 2017.1以上)を落としておく。 https://store.unity.com/download?ref=personal プロジェクトの作成及び準備 プロジェクトを作成後は、Assetsの下にDllsというフォルダを作り、TensorFlowSharp\TensorFlowSharp\bin\Debug の下のTensorFlowSharp.dllとSystem.ValueTuple.dllをコピーしておく。 Scripting Runtime VersionをExperie
Windows 7 64bit に MeCab (和布蕪) と Python のバインディングを導入 (2016/08/18) - Qiita
はじめに Windows 7 64bit に MeCabを導入するのに思ったよりも大変だと思ったので備忘録として投稿します。 MeCabは形態素解析ツールです。基本的に下記のことをしてくれます。 日本語の文を形態素（意味の通る最小のブロック）に分けてくれる 形態素の持つ品詞を分析してくれる １行目：入力したテキスト、３行目以下：結果 参考にした情報は以下（ありがとうございました！）： 64bit Windows + python 2.7 + MeCab 0.996 な環境をつくる Windows 64bitで、mecab-python 導入に必要なもの python 2.7.11 Microsoft Visual Studio 2015 mecab-0.996.exe mecab-0.996.tar.gz mecab-python-0.996.tar.gz 手順 1. 「導入に必要なもの」
NVIDIA GPUが搭載されたWindows 10にTensorFlowとChainerをインストールしてDeep Learningの学習環境を構築してみる - Qiita
※以下が最新の記事です。「Windows 10にNVIDIA GPUを使用したDeep Learning環境をインストール。（CUDA10、VS2017、TensorFlow、Keras、Chainerのインストール）」 https://qiita.com/kekekekenta/items/a46a899956b1c756ddce こんにちは。今回はNVIDIAのGPUが搭載されたWindows 10にTensorFlow 1.0とChainerをインストールする手順を紹介します。 Deep Learning環境としてはUbuntuを利用したものが多くありますが、最近ではWindows 10でもこれらのフレームワークが動きます。NVIDIAのGPUが搭載されたゲーミングPCを持っていれば簡単に試すことができるようになっています。 Visual Studio 2015のインストール まずは
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
Lua版 ゼロから作るDeep Learning まとめ - Qiita
TensorFlow on Raspberry Pi3 - Qiita
Ubuntu 14.04 に Mecab と mecab-python3 をインストール - Qiita
ggplot2で点や線の色のマッピングを自分で決める - Qiita
