MacOSXにPythonを用いた機械学習を行うための環境を構築する - QiitaDeleted articles cannot be recovered. Draft of this article would be also deleted. Are you sure you want to delete this article?
ノンプログラミングで機械学習（MAGELLAN BLOCKS MLボードα版テスト） - Qiita
概要 MAGELLAN BLOCKSのMachine Learningボードα版がリリースされたので、機械学習はほぼ素人のエンジニアがやってみました。 今回試したのは数値回帰です。 下記howtoページの内容を実行し、最終的にはRで作成した「線形回帰モデル」との比較を行います。 https://www.magellanic-clouds.com/blocks/ml-regression-howto/ ※「因子を見直す」まだ試してません。 ※2017/02/03時点の情報で記載しています。 モデル作成までの全体図 詳細手順はhowtoページの通りなので記載しませんが、モデル作成までの全体像はこんな感じで、前処理のデータ編集はBigQuery（SQL）で行います。 ※青色の部分がhowtoページで作成する部分、赤色部分は検証用に独自に作成 データ準備 スプレッドシートを活用してデータの準備を行
HoloLensで猫の顔を認識する Dlib FaceLandmark Detector #アセットアドカレ - Qiita
はじめに この記事は Unity Assets Advent Calendar 2016 10日目の記事になります。 本日は前日のOpenCV for Unityと同パブリッシャーであるEnox SoftwareさんのDlib FaceLandmark Detectorをご紹介します。 Dlib FaceLandmark Detector 1.0.5 Dlib FaceLandmark Detector | DlibFaceLandmarkDetector can ObjectDetection and ShapePrediction using Dlib C++ Library. https://enoxsoftware.com/dlibfacelandmarkdetector/ Dlib FaceLandmark Detectorについて OpenCVとは別物で、Dlib FaceLa
TensorFlow (ディープラーニング)で為替(FX)の予測をしてみる - Qiita
今回は以下の論文を参考に、過去の値動きの変動量を学習させてみます。 終値の変動値を特徴量として、次に上がるか or 下がるかを予測する2クラス問題です。 Artificial neural networks approach to the forecast of stock market price movements (精度が平均8割もあるけど…ホントかなぁ） ヒストリカルデータの取得 フリーでデータをダウンロードできるところはたくさんありますが、細かい時間単位（５分足とか１分足）になると数が限られます。有名どころだと FXDD OANDA (API) Dukascopy この辺りでしょうか。ただ注意しなければならないのは、どこでダウンロードしても同じデータであるとは限らない点です。 な… 何を言っているのか わからねーと思うが、俺も何をされたのかわからなかった……… 恐ろしいものの片鱗
自然言語処理における畳み込みニューラルネットワークを用いたモデル - Qiita
Deleted articles cannot be recovered. Draft of this article would be also deleted. Are you sure you want to delete this article? はじめに 最近、畳み込みニューラルネットワーク(CNN)を用いた自然言語処理が注目を集めています。CNNはRNNと比べて並列化しやすく、またGPUを使うことで畳み込み演算を高速に行えるので、処理速度が圧倒的に速いという利点があります。 この記事は、自然言語処理における畳み込みニューラルネットワークを用いたモデルをまとめたものです。CNNを用いた自然言語処理の研究の進歩を俯瞰するのに役立てば幸いです。 文の分類(評判分析・トピック分類・質問タイプ分類) Convolutional Neural Networks for Sentence
GPU版TensorFlowをAzure NCシリーズ上に構築する - Qiita
AzureにはGPU搭載のNVシリーズとNCシリーズが存在する。NVシリーズは視覚コンピューティング向け、NCシリーズは数値コンピューティング向け。Deep LearningならNCシリーズを使う。 NCシリーズは現在、米国東部と米国中南部のリージョンにしか提供されていない。また、クォータが高いので無料試用版の場合は上限を開放してサポートにクォータ緩和を要求する必要がある。1-5営業日くらいで対応してもらえる。 以下の情報でNCシリーズのインスタンスを作成したものとして書きます。適宜読み替えてください。 ※2017/02/23補足：NCシリーズは、「VM disk type」を「HDD」にしないと選択できません。 NC6 Standard OS: Ubuntu Server 16.04 LTS Username: MaruLabo IP addr: x.x.x.x ネットワークセキュリティ
TensorflowでGPUを制限・無効化する - Qiita
Fri Oct 28 15:21:14 2016 +-----------------------------------------------------------------------------+ | NVIDIA-SMI 367.44 Driver Version: 367.44 | |-------------------------------+----------------------+----------------------+ | GPU Name Persistence-M| Bus-Id Disp.A | Volatile Uncorr. ECC | | Fan Temp Perf Pwr:Usage/Cap| Memory-Usage | GPU-Util Compute M. | |===============================+====
転移学習 / Deep Features [TensorFlowでDeep Learning 12] - Qiita
(目次はこちら) はじめに これまでの記事 で見てきた、Deep Neural Networks / Convolutional Neural Networks では、精度を高めるために中間層を増やすと、それに伴い、パラメータ数も多くなり、それを学習するためにさらに多くのデータが必要とされる。画像認識のコンペティションなどで上位に来るようなものは、複数のGPUを利用したとしても、当然のように学習に数週間以上かかっている。 正直、こんなに時間がかかるものなんて、頻繁に学習したくない。カテゴリ識別において、たとえば、カテゴリを1つ追加したくなった時、また数週間待つんだろうか？？ 嫌だ。こんなときに用いられるのが、転移学習 (transfer learning) / 深層特徴 (deep features)である。 転移学習 (transfer learning) / 深層特徴 (deep fe
![転移学習 / Deep Features [TensorFlowでDeep Learning 12] - Qiita](https://cdn-ak-scissors.b.st-hatena.com/image/square/5d0f4c4ec05b775ae476f62677232ff51cad4037/height=288;version=1;width=512/https%3A%2F%2Fqiita-user-contents.imgix.net%2Fhttps%253A%252F%252Fqiita-user-contents.imgix.net%252Fhttps%25253A%25252F%25252Fcdn.qiita.com%25252Fassets%25252Fpublic%25252Farticle-ogp-background-afbab5eb44e0b055cce1258705637a91.png%253Fixlib%253Drb-4.0.0%2526w%253D1200%2526blend64%253DaHR0cHM6Ly9xaWl0YS11c2VyLXByb2ZpbGUtaW1hZ2VzLmltZ2l4Lm5ldC9odHRwcyUzQSUyRiUyRnFpaXRhLWltYWdlLXN0b3JlLnMzLmFtYXpvbmF3cy5jb20lMkYwJTJGMTI3MDM4JTJGcHJvZmlsZS1pbWFnZXMlMkYxNDczNzE2NzU1P2l4bGliPXJiLTQuMC4wJmFyPTElM0ExJmZpdD1jcm9wJm1hc2s9ZWxsaXBzZSZmbT1wbmczMiZzPTdlNzA2ZTdmN2NmYTY1YTU2YWMwMDkzODE3OTZjOWM5%2526blend-x%253D120%2526blend-y%253D467%2526blend-w%253D82%2526blend-h%253D82%2526blend-mode%253Dnormal%2526s%253De12311300ee6d12f5cd1070790ed0afe%3Fixlib%3Drb-4.0.0%26w%3D1200%26fm%3Djpg%26mark64%3DaHR0cHM6Ly9xaWl0YS11c2VyLWNvbnRlbnRzLmltZ2l4Lm5ldC9-dGV4dD9peGxpYj1yYi00LjAuMCZ3PTk2MCZoPTMyNCZ0eHQ9JUU4JUJCJUEyJUU3JUE3JUJCJUU1JUFEJUE2JUU3JUJGJTkyJTIwJTJGJTIwRGVlcCUyMEZlYXR1cmVzJTIwJTVCVGVuc29yRmxvdyVFMyU4MSVBN0RlZXAlMjBMZWFybmluZyUyMDEyJTVEJnR4dC1hbGlnbj1sZWZ0JTJDdG9wJnR4dC1jb2xvcj0lMjMxRTIxMjEmdHh0LWZvbnQ9SGlyYWdpbm8lMjBTYW5zJTIwVzYmdHh0LXNpemU9NTYmdHh0LXBhZD0wJnM9MmMxNDI0NzJhYjk5ZjRjY2NjYTk2NDdlNGM0YmZmODM%26mark-x%3D120%26mark-y%3D112%26blend64%3DaHR0cHM6Ly9xaWl0YS11c2VyLWNvbnRlbnRzLmltZ2l4Lm5ldC9-dGV4dD9peGxpYj1yYi00LjAuMCZ3PTgzOCZoPTU4JnR4dD0lNDBrdW1vbmt1bW9uJnR4dC1jb2xvcj0lMjMxRTIxMjEmdHh0LWZvbnQ9SGlyYWdpbm8lMjBTYW5zJTIwVzYmdHh0LXNpemU9MzYmdHh0LXBhZD0wJnM9MmQ5NWEwYmJjZmQ2YTI5ZDZlMDBiYzE0ZGRkNTQ5ZWU%26blend-x%3D242%26blend-y%3D454%26blend-w%3D838%26blend-h%3D46%26blend-fit%3Dcrop%26blend-crop%3Dleft%252Cbottom%26blend-mode%3Dnormal%26txt64%3DaW4gTWVyY2FyaQ%26txt-x%3D242%26txt-y%3D539%26txt-width%3D838%26txt-clip%3Dend%252Cellipsis%26txt-color%3D%25231E2121%26txt-font%3DHiragino%2520Sans%2520W6%26txt-size%3D28%26s%3D73bac02abdc350cb99b130cd9e29e863)
Raspberry Pi 人工知能ツールをインストール【Python3】 - Qiita
Raspberry Piを利用して人工知能ツール（深層学習ライブラリ・自然言語処理ライブラリなど）を利用する手順をまとめてみます。 環境 RASPBIAN JESSIE WITH PIXEL 4.4 Python 3.4.2 tensorflow-0.12.1 Keras-1.2.1 opencv-3.1.0 MeCab 0.996 mecab-ipadic-neologd gensim-0.13.4.1 Open JTalk Version 1.07 RaspbianとPython3系のインストール Raspbianの最新版を公式ページよりダウンロードしSDカードへ。Python3系は依存関係を簡単にする為apt-getを利用してインストールします。
月刊Interface 2017年03月号がTensorFlow大特集になっている話 - Qiita
Deleted articles cannot be recovered. Draft of this article would be also deleted. Are you sure you want to delete this article? 結構IT業界に長く居座っておりますが、この雑誌は初めて購入しました。 Interface(インターフェース) 2017年 03 月号 よく見ると表紙のど真ん中にやや小さいフォントでTensorFlowと書かれているのがわかります。 ##この雑誌の6割(90ページ)ぐらいがTensorFlowの記事になっています 表紙にも大きくGoogle人工知能と別の表現で書かれているものの、ここまでTensorFlow三昧に仕上がっているとは思いませんでした。 立ち読みだけのつもりがつい購入してしまいましたので、軽く紹介させて頂きます。 尚、表示には
Tensorflowでブロック崩し - Qiita
##概要 機械学習のモデルをゲームに組み込むと、結果をグラフィカルにみることができて楽しい。そこで、Tensorflowでモデルを作成してゲームに組み込む。具体的には、Tensorflowで人の手によるプレイデータを用いてモデルを作成してブロック崩しをさせる。 洗練されたモデルなどにはこだわらず、てきとーなものをてきとーに作る。 Tensorflowでの基本的なモデル作成は以下の記事で 適当にTensorflowを理解して、モデルを作ってみる（Tensorflow入門） 使用するブロック崩しは以下のリンク先のもの ブロック崩し ##動機 機械学習モデルに色々プレイさせる記事はよく見るが、実際に時間をかけずに適当に試してみたい。 精度や美しさを気にせずに、動く実感を得られるように動かすのが目的。 ##前提 今回使用するブロック崩しの概要は以下のようである。 パドルを動かしてボールを弾いて行く
数学の苦手なバイオの学生がCourseraの機械学習コースを修了して気づいたこと - Qiita
Deleted articles cannot be recovered. Draft of this article would be also deleted. Are you sure you want to delete this article? 機械学習を学ぶのに最も適した教材と言われる、Machine Learning | Coursera を受講し終わりました！ 「機械学習に興味はあるけど、何から始めたらいいかわからない」 「Courseraはいいって聞くけど、難くて挫折する気がする」 「機械学習やるなら、PRMLがいいって聞いたけど」 という人は多いと思います。私も同じように思っていました。Courseraの機械学習コースを始めたのはなんとなくですが、修了してみて、やって本当に良かったと思います。機械学習は面白いし夢があるので、ちょっとでも興味がある人の背中を押したいと思
畳み込み層とプーリング層を画像表示してみるてすと - Qiita
画像認識に使われる畳み込みニューラルネットワーク（以下CNNと呼ぶ）というものがあります。Tensorflow のチュートリアル（Deep MNIST for Experts）にも出てきますが、ネットワークが複雑で理解するのに苦労します。そこで、畳み込み層とプーリング層の中身を画像化して、何が行われているのかなんとなく体感したいと思います。 ベースとなる Deep MNIST for Experts のコード 今回使用するコードは github(tf-cnn-image) に上げてあります。 まずはCNNのコードを用意します。Deep MNIST for Expertsのコードから不要な箇所を削除したものを用意しました。コメントは最小限にしてあるので、詳しい動作を知りたい場合はこちらなどを参考にしてください。 # -*- coding: utf-8 -*- import sys sys.p
人工知能関連ニュースの、実際のところシリーズ - Qiita
Deleted articles cannot be recovered. Draft of this article would be also deleted. Are you sure you want to delete this article? 最近「人工知能が～」というニュースが山のように出てきますが、その中にはだいぶ誇張された表現のものも少なくありません。 人工知能関連の技術に注目が集まるのは、研究資金の増加や案件の発生という面では良いことです。しかし、「仕事が奪われるぞ！」みたいな過度な不安を煽ったり、「人工知能だったら何でもできるんやろ？」といった過度な期待を煽ってしまうことで、実体とはかけ離れた議論や誤解を生んでしまうという面もあります。 本稿では、目についた中で大きな誇張があるニュースを取り上げるとともに、その実際のところはどうなのか？について紹介をしていきたいと思
[Windows編] Deep Learningをすぐに試せるライブラリKeras講座～その１ - Qiita
はじめに 近年流行りのディープラーニングを理論を知らなくてもとりあえず試してみたい人やただ使いたい人向けの投稿になります。自分のメモのために書いているので、分かりにくい箇所や間違いがあればご指摘ください。 Kerasとは、TensorflowとTheanoのためのPythonによるラッパーであり、深層学習ライブラリです。このライブラリを使用することで、非常に簡単に深層学習を体感することができると共に、多くのネットワーク構造を難しい理論を意識することなくコーディングすることができます。 この記事では、TensorflowとKerasの導入とまず手始めに多層パーセプトロンで四角形の識別を行います。 （追記）多くの方に見ていただけているようなので、学習済みパラメータを読み込んでの識別も追加しました。皆様の参考になれば幸いです。 （2017/03/09追記）2017年2月15日にGoogleからT
![[Windows編] Deep Learningをすぐに試せるライブラリKeras講座～その１ - Qiita](https://cdn-ak-scissors.b.st-hatena.com/image/square/a2238381678dc7fe1a8b11008fd74a12be68a0ef/height=288;version=1;width=512/https%3A%2F%2Fqiita-user-contents.imgix.net%2Fhttps%253A%252F%252Fqiita-user-contents.imgix.net%252Fhttps%25253A%25252F%25252Fcdn.qiita.com%25252Fassets%25252Fpublic%25252Farticle-ogp-background-afbab5eb44e0b055cce1258705637a91.png%253Fixlib%253Drb-4.0.0%2526w%253D1200%2526blend64%253DaHR0cHM6Ly9xaWl0YS11c2VyLXByb2ZpbGUtaW1hZ2VzLmltZ2l4Lm5ldC9odHRwcyUzQSUyRiUyRmF2YXRhcnMuZ2l0aHVidXNlcmNvbnRlbnQuY29tJTJGdSUyRjIwMTc4NjY3JTNGdiUzRDM_aXhsaWI9cmItNC4wLjAmYXI9MSUzQTEmZml0PWNyb3AmbWFzaz1lbGxpcHNlJmJnPUZGRkZGRiZmbT1wbmczMiZzPWUwNTBjN2FjZWNlNzViMmM4ZDA2YzYwYWUzY2U1MDk0%2526blend-x%253D120%2526blend-y%253D467%2526blend-w%253D82%2526blend-h%253D82%2526blend-mode%253Dnormal%2526s%253D2224099b89693be1585353aace9ea63b%3Fixlib%3Drb-4.0.0%26w%3D1200%26fm%3Djpg%26mark64%3DaHR0cHM6Ly9xaWl0YS11c2VyLWNvbnRlbnRzLmltZ2l4Lm5ldC9-dGV4dD9peGxpYj1yYi00LjAuMCZ3PTk2MCZoPTMyNCZ0eHQ9JTVCV2luZG93cyVFNyVCNyVBOCU1RCUyMERlZXAlMjBMZWFybmluZyVFMyU4MiU5MiVFMyU4MSU5OSVFMyU4MSU5MCVFMyU4MSVBQiVFOCVBOSVBNiVFMyU4MSU5QiVFMyU4MiU4QiVFMyU4MyVBOSVFMyU4MiVBNCVFMyU4MyU5NiVFMyU4MyVBOSVFMyU4MyVBQUtlcmFzJUU4JUFDJTlCJUU1JUJBJUE3JUVGJUJEJTlFJUUzJTgxJTlEJUUzJTgxJUFFJUVGJUJDJTkxJnR4dC1hbGlnbj1sZWZ0JTJDdG9wJnR4dC1jb2xvcj0lMjMxRTIxMjEmdHh0LWZvbnQ9SGlyYWdpbm8lMjBTYW5zJTIwVzYmdHh0LXNpemU9NTYmdHh0LXBhZD0wJnM9ZGRkMTU5NDRmYWRkN2E2MDM0NjJiZTU1YTQwMDY3YjA%26mark-x%3D120%26mark-y%3D112%26blend64%3DaHR0cHM6Ly9xaWl0YS11c2VyLWNvbnRlbnRzLmltZ2l4Lm5ldC9-dGV4dD9peGxpYj1yYi00LjAuMCZ3PTgzOCZoPTU4JnR4dD0lNDB0b21vY2hpaWkmdHh0LWNvbG9yPSUyMzFFMjEyMSZ0eHQtZm9udD1IaXJhZ2lubyUyMFNhbnMlMjBXNiZ0eHQtc2l6ZT0zNiZ0eHQtcGFkPTAmcz00NDU3YTRmMjVhOGY2OGNlYjk0NWE5MTE1MzNkZTJmMw%26blend-x%3D242%26blend-y%3D480%26blend-w%3D838%26blend-h%3D46%26blend-fit%3Dcrop%26blend-crop%3Dleft%252Cbottom%26blend-mode%3Dnormal%26s%3D5f28b0cc9c9f110e913574ca34ca3300)
機械学習のルールとベストプラクティス（Rules of Machine Learning: Best Practices for ML Engineering の意訳） - Qiita
Deleted articles cannot be recovered. Draft of this article would be also deleted. Are you sure you want to delete this article? WHY 1：自分の勉強のためです。 2：機械学習に興味があるけど英語ができない人でも大まかな内容が理解できれば良いな 機械学習は近年話題になっている技術ですが具体的な運用のための指針はあまり明確になっていないのが現状です。企業の担当者が知恵を振り絞って工夫されていると思います。 今回、参考にした資料はGoogleの中の人が書いているので参考にできるはずです。 機械学習の適用で悩めるエンジニアの指針になれば良いと思います。 ただし参考資料の方が詳しいので英語ができる方は元の参考資料を読まれる ことを強くオススメします。 誤訳がある可能性が
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
keras(tensorflow)で花の画像から名前を特定 - Qiita
TensorFlowが遂にr1.0になるようです (1.0.0-rc0がリリースされました) - Qiita
Bash on Ubuntu on WindowsでJupyter NotebookからTensorflowを実行する - Qiita
Amazon Linux (t2.micro)にMecab + mecab-ipadic-NEologdをインスールするとエラーが出る（解決した） - Qiita
