Azure Bot Service : Web App Bot の詳細を確認 - Qiita
前回は Azure Bot Service の概要と、初めての Web App Bot 作成をしました。今回は作成した Web App Bot の詳細を見ていきます。 ※尚、Azure Bot Service シリーズでは Bot Builder で開発されたコードの解説はしないため、Bot Builder シリーズを確認してください。 ボットのコード Web App Bot を作成した際いくつかのリソースが追加されましたが、ボットは App Service 上で動いています。またそこで動作するコードは以下の手順で取得できます。 1. メニューより「ビルド」を選択し、「zip ファイルをダウンロード」をクリック。 2. 暫くしたら zip をダウンロードできるので、「zip ファイルのダウンロード」をクリックして、任意のフォルダに保存。 3. ダウンロードしたファイルを解凍し、ソリューショ
何番煎じ？ kaggle の Titanic: Machine Learning from Disaster をやってみる。 その３ - Qiita
前回の反省 Kernelを眺めていると すばらしいまとめがありました。 https://www.kaggle.com/pliptor/how-am-i-doing-with-my-score によると僕が前回までに出した0.75598 というスコアは 全員死亡としてsubmit：0.62679 Sex, Embark, Pclass だけ考慮したら：0.76555 というわけで、僕のスコアは余計な処理をした割には凡人スコアでした。 Embark を使わなかったけど・・・ だいたい0.8が専門家との分かれ目という感じです。（0.8から何が書いてあるのかわからない） 前回断念した、名前の関連性（ファミリーか、親子か？）みたいなこともやってる方がいて、いい結果が出たそうです。 というわけで、 みんなのいいところをパクろう！ Kernelでたくさんのいいね！をもらっている以下のkernelを写経し
dockerで機械学習(73) with R (3)「RとKerasによるディープラーニング」François Chollet、J. J. Allaire著 統計(46) - Qiita
1.すぐに利用したい方へ(as soon as) 「RとKerasによるディープラーニング」François Chollet、J. J. Allaire 著 https://www.oreilly.co.jp/books/9784873118574/ <この項は書きかけです。順次追記します。> docker dockerを導入し、Windows, Macではdockerを起動しておいてください。 Windowsでは、BiosでIntel Virtualizationをenableにしないとdockerが起動しない場合があります。 また、セキュリティの警告などが出ることがあります。 docker pull and run 以下のshell sessionでは (base) root@473fc1bb505d:/#は入力促進記号(comman prompt)です。実際には数字の部分が違うかもし
iMacにGPU版tensorflowをインストール。を挫折するまで。 - Qiita
環境 iMac, Late 2012 macOS High Sierra 10.13.4 CPU: 2.7GHz intel Core i5 GPU: NVIDIA GeForce GT 640M 512MB GPU Driver Version: 355.11.10.10.30.120 卒論でDeep Learningを扱うため、研究室のNVIDIA製GPUを積んでいるマシンでGPU版tensorflowを使えるようにセットアップしようと試みました。 まぁ、今さっきメキメキっと音を立てて心が折れたところなんですけど。。。 結論(推論)からいいますと、おそらく今回のGPUドライバのバージョンに対応するバージョンのCUDAドライバをNVIDIAが提供していないのではないかと思われます。正しくセットアップできる方法をご存知の方！お願いします！教えてください！ CUDA ドライバ＋ツールキットを
何番煎じ？ kaggle の Titanic: Machine Learning from Disaster をやってみる。 その1 - Qiita
Titanic: Machine Learning from Disaster タイタニック号の乗客名簿的なものから、生存者のデータを分析するチュートリアル的なやつです。 https://www.kaggle.com/c/titanic データ初見でやりながら記事を書いてるので、支離滅裂です。 素敵な解説 自分の好みに合わせて、つまみ食いします。 https://qiita.com/suzumi/items/8ce18bc90c942663d1e6 https://www.codexa.net/kaggle-titanic-beginner/ https://qiita.com/k2me14/items/ab9d71960d2b9d422c16 https://www.codexa.net/kaggle-titanic-beginner/ 道具 Python 3 Jupyter noteb
Matplotlibの日本語化でハマったよ♪ - Qiita
【DQN】秘書問題のところで、Matplotlibのグラフの見出し等の日本語化が出来ずに豆腐になっていた問題。。。解決したのでまとめておく。 結論からいうと、基本は、以下の参考のとおりでできました。 そして、理由はわかりませんが、それ以外はまったくできませんでした。 【参考】 ・ 【matplotlib】日本語の設定@keisukeのブログ 前提の環境 ・Windows10 ・Python3 ・Anaconda3 手順は以下のとおり ・matplotlibの設定ファイルの場所を探して、matplotlibrcをコピー ・日本語に対応したフォントのダウンロードとコピー ・matplotlibの設定ファイルを書き換える ・フォントのキャッシュの削除 ・matplotlibの設定ファイルの場所を探して、matplotlibrcをコピー これはpythonを実行した後に、以下のコマンドでいけます
Chainerを高速化するiDeepをインストールする - Qiita
はじめに Chainer 4からiDeepが正式にサポートされるようになりました。iDeepを使うことでCPUによる学習・推論が高速になります。もちろん、iDeepはXeon系のCPUを主なターゲットとしていますが、経験上ノートPCレベルでも多少の速度向上があります。 iDeepの活用方法について説明したウェブサイトはいくつかあるのですが、導入をMKLのインストールから通しで説明しているサイトがなかったので、備忘録のためにiDeepの導入方法を記載します。 なお、本説明はUbuntu 16.04、Chainer 5.0.0rc1を対象にしています。iDeepやChainerのAPIは今後どんどんかわってゆくと思われるので、適宜ソースのサイトを参照してください。 手順 Pythonの導入 適当な方法でPythonが使える環境を作ります。このとき、Pythonのshared objectを忘れ
CNNの学習結果を可視化する - Qiita
※△１ 2019.02.01 動かない環境があった為修正 ※△２ 2019.02.03 文章を各所修正 CNNの任意の特長マップを使用して可視化をするスクリプトです 下記にある通りGrad-CAMで表示がおかしくなる学習結果に対しても そこそこ良好な可視化結果を得られています。 ただし問題がありまして、識別率が低い画像を可視化すると 判別に使用していない特長フィルターも可視化されてしまうので 関係ないところまで反応してしまうという問題があります この辺はGrad-CAMの手法で解決できるので 両方を使い分けるのがいいと思います 確認環境 python3.6.6 , 3.6.7 , 3.6.8 Tensorflow:1.10.0 Keras：2.2.2 , 2.2.4 やり始めたきっかけ Grad-CAMを使って作成したモデルの評価を行っていました いつものデータセットを使いVGG16のファ
【dqn】初恋はあきらめろ？？ - Qiita
前回取り上げた秘書問題を再度取り上げようと思います。 秘書問題の大きな課題として以下二つの問題があります １．応募者１００人を超えてどこまで学習できるのか ２．理論はnが大きいとして$e/n$を導いているが、$n$が小さいときはどうなるの？？ 恋するウワンとしては、２の課題の方が切実なので今回はこれを取り上げてみたいと思います。 ２．理論はnが大きいとしてe/nを導いているが、nが小さいときはどうなるの？？ まず、採用成功率の推移を見てみましょう。 n=50 Episode 1: reward: 0.000, steps: 27 採用成功率(1000回)：0.394 n=20 Episode 1: reward: 0.000, steps: 20 採用成功率(1000回)：0.396 n=10 Episode 1: reward: 0.000, steps: 6 採用成功率(1000回)：
KerasのImageDataGeneratorのメモリ消費を約1/4にする方法 - Qiita
STL-10のunlabeledの画像10万枚（96x96）をImageDataGeneratorで回してたらメモリ12GB近く使ってパンクしそうになったので対処法を考えました。 環境：Keras=v2.2.4、TensorFlow=v1.8.0、CPU環境 結論だけ見たい方は「解決法」のとこまで飛んでください。 ImageDataGenerator.flow()は入力データを全部float32にキャストしてる？ STL-10はtrain（5000枚）, test（8000枚）, unlabeled（10万枚）の3種類のデータからなり、それぞれ1つずつの大きなバイナリファイルに固められています。Pythonの実装は詳しくはこちらにあります。 STL-10の実装は本質的なことではないのですが、このバイナリの画像データがuint8のNumpy配列で定義されているのがポイントなのです。uint8
brew install mecab-ipadicでsyntax error - Qiita
$ brew install mecab-ipadic Error: mecab-ipadic: /usr/local/Homebrew/Library/Taps/homebrew/homebrew-core/Formula/mecab-ipadic.rb:39: syntax error, unexpected << <<~EOS ^ /usr/local/Homebrew/Library/Taps/homebrew/homebrew-core/Formula/mecab-ipadic.rb:40: syntax error, unexpected tIDENTIFIER, expecting keyword_do or '{' or '(' ... enable mecab-ipadic dictionary, add to #{HOMEBREW_PREFIX}/e... ... ^
Bot Builder v4 でボット開発 : ボットが起動する仕組みを理解する - Qiita
前回の記事では、最小構成で「オウム返し」ボットを開発しました。本記事では、そのコードを使って、ボットが呼び出されるまでの仕組みを理解していきます。 公式ページにある Bot が動作する仕組み 以下の図は公式ページにあるシーケンス図です。 Bot Framework Service なるものから HTTP POST が来る Web Server Integration で受けて ProcessActivity を呼ぶ Adapter、TurnContext と Middleware でそれらを受けて、OnTurn を呼ぶ 自分のボットが呼び出される 自分のボットから SendActivity で返信を返す (HTTP 応答ではなく、新規の POST) それぞれの HTTP 要求に対して 200 を返す 今回はこの動作のうち、OnTurn が呼ばれるところまでを見ていきます。 NuGet パッ
Bot Builder v4 でボット開発 : アダプター、TurnContext、Activity - Qiita
前回の記事では、ボットが呼び出されるまでの仕組みを確認しました。その中でアダプター、TurnContext、Activity という概念が出てきましたが、これらは BotBuilder にとって非常に重要な概念であるため、ここで改めて説明します。 アダプター (BotFrameworkAdapter/BotAdapter) アダプターは Microsoft.Bot.Builder モジュールに含まれる機能で、 BotAdapter.cs をベースに BotFrameworkAdapter.cs に実装があります。 ボット アダプター : 公式ドキュメント アダプターでは以下の処理を行います。 Bot Connector との認証 Bot Connector から受信したメッセージから TurnContext を作成しボットに渡す ボットからの返信を Bot Connector に送る ミド
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
matplotlib にフォントが無いと怒られる場合の対処 - Qiita
画像認識で硬貨を識別したい その２ 散布図からHSVとRGB(BGR)どちらを使うのが良いか検討 - Qiita
画像等の配列を扱うときの操作方法 - Qiita
Tensorflow ObjectDetection APIでミレミアム・ファルコン検出 - Qiita
[解決編]AlexaからIFTTT経由でショッピングリストの情報を取得すると文字化けするのをなんとかした - Qiita![[解決編]AlexaからIFTTT経由でショッピングリストの情報を取得すると文字化けするのをなんとかした - Qiita](https://cdn-ak-scissors.b.st-hatena.com/image/square/ccd3683c0efc8aae728f3699167681eb415efa1c/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%253DaHR0cHM6Ly9xaWl0YS11c2VyLXByb2ZpbGUtaW1hZ2VzLmltZ2l4Lm5ldC9odHRwcyUzQSUyRiUyRnFpaXRhLWltYWdlLXN0b3JlLnMzLmFtYXpvbmF3cy5jb20lMkYwJTJGMTA2NjM5JTJGcHJvZmlsZS1pbWFnZXMlMkYxNDczNzA5OTkwP2l4bGliPXJiLTQuMC4wJmFyPTElM0ExJmZpdD1jcm9wJm1hc2s9ZWxsaXBzZSZiZz1GRkZGRkYmZm09cG5nMzImcz1hNDM5MDBiMDZkZTcxMThjOTg4ZDdmN2M0NGM0M2Q2ZA%2526blend-x%253D120%2526blend-y%253D467%2526blend-w%253D82%2526blend-h%253D82%2526blend-mode%253Dnormal%2526s%253Dac70949d432607b5e148f26d8a33365c%3Fixlib%3Drb-4.0.0%26w%3D1200%26fm%3Djpg%26mark64%3DaHR0cHM6Ly9xaWl0YS11c2VyLWNvbnRlbnRzLmltZ2l4Lm5ldC9-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%26mark-x%3D120%26mark-y%3D112%26blend64%3DaHR0cHM6Ly9xaWl0YS11c2VyLWNvbnRlbnRzLmltZ2l4Lm5ldC9-dGV4dD9peGxpYj1yYi00LjAuMCZ3PTgzOCZoPTU4JnR4dD0lNDByeW9fbmFrYSZ0eHQtY29sb3I9JTIzMUUyMTIxJnR4dC1mb250PUhpcmFnaW5vJTIwU2FucyUyMFc2JnR4dC1zaXplPTM2JnR4dC1wYWQ9MCZzPWI4ZWVmM2M1NzA2ODU3ZTgyY2RkZmFlMDE5NTBjNjk2%26blend-x%3D242%26blend-y%3D480%26blend-w%3D838%26blend-h%3D46%26blend-fit%3Dcrop%26blend-crop%3Dleft%252Cbottom%26blend-mode%3Dnormal%26s%3Dacc214a722f5f19bb969b32439d3a699)
[kaggle]手書きの数字を認識をしよう - Qiita
Bot Builder v4 でボット開発 : 最小限構成でまずはオウム返しボットを作る - Qiita
