[TensorFlow][Keras] Kerasでニューラルネットワーク構築 - QiitaDeleted articles cannot be recovered. Draft of this article would be also deleted. Are you sure you want to delete this article?
![[TensorFlow][Keras] Kerasでニューラルネットワーク構築 - Qiita](https://cdn-ak-scissors.b.st-hatena.com/image/square/decfbf48b3aaaf0c7df25c152a461247dd2cff53/height=288;version=1;width=512/https%3A%2F%2Fqiita-user-contents.imgix.net%2Fhttps%253A%252F%252Fcdn.qiita.com%252Fassets%252Fpublic%252Farticle-ogp-background-412672c5f0600ab9a64263b751f1bc81.png%3Fixlib%3Drb-4.0.0%26w%3D1200%26mark64%3DaHR0cHM6Ly9xaWl0YS11c2VyLWNvbnRlbnRzLmltZ2l4Lm5ldC9-dGV4dD9peGxpYj1yYi00LjAuMCZ3PTk3MiZoPTM3OCZ0eHQ9JTVCVGVuc29yRmxvdyU1RCU1QktlcmFzJTVEJTIwS2VyYXMlRTMlODElQTclRTMlODMlOEIlRTMlODMlQTUlRTMlODMlQkMlRTMlODMlQTklRTMlODMlQUIlRTMlODMlOEQlRTMlODMlODMlRTMlODMlODglRTMlODMlQUYlRTMlODMlQkMlRTMlODIlQUYlRTYlQTclOEIlRTclQUYlODkmdHh0LWFsaWduPWxlZnQlMkN0b3AmdHh0LWNvbG9yPSUyMzFFMjEyMSZ0eHQtZm9udD1IaXJhZ2lubyUyMFNhbnMlMjBXNiZ0eHQtc2l6ZT01NiZzPWJjYmVlZjdmZWZhMTE0YWY5YzdlOGI0YTE5YjMyZTdh%26mark-x%3D142%26mark-y%3D57%26blend64%3DaHR0cHM6Ly9xaWl0YS11c2VyLWNvbnRlbnRzLmltZ2l4Lm5ldC9-dGV4dD9peGxpYj1yYi00LjAuMCZoPTc2Jnc9NzcwJnR4dD0lNDBrb2FyYS1sb2NhbCZ0eHQtY29sb3I9JTIzMUUyMTIxJnR4dC1mb250PUhpcmFnaW5vJTIwU2FucyUyMFc2JnR4dC1zaXplPTM2JnR4dC1hbGlnbj1sZWZ0JTJDdG9wJnM9MzA1OTEyMGM4ZmYxNTY1ZGRkNzI3OTM1NjFmY2RkMWE%26blend-x%3D142%26blend-y%3D436%26blend-mode%3Dnormal%26txt64%3DaW4g44Oq44OD44Kv44K944OV44OI5qCq5byP5Lya56S-%26txt-width%3D770%26txt-clip%3Dend%252Cellipsis%26txt-color%3D%25231E2121%26txt-font%3DHiragino%2520Sans%2520W6%26txt-size%3D36%26txt-x%3D156%26txt-y%3D536%26s%3D438382e009e6f3828da53659f6b327ec)
keras2のざっくり説明とkerasブログ翻訳 - Qiita
大まかにいうと cntkや他のフレームワークをラッピングしていこうという考えがあるようです。 keras2は長期サポートされると言っています。 apiの名前が変わったり、削除されたりしています。 cntk https://github.com/fchollet/keras/issues/5299 # kerasブログの訳です。Tue 14 March 2017 https://blog.keras.io/introducing-keras-2.html Kerasは2年前、2015年3月にリリースされました。その後、1人のユーザーから10万人に成長しました。 何百人もの人々がKerasコードベースに貢献しています。 多くの人々がコミュニティに貢献してきました。 Kerasは新しいスタートアップを可能にし、研究者をより生産的にし、大企業のエンジニアのワークフローを簡素化し、以前の機械学習経験
Kerasとは？開発に役立つ使い方、トレンド記事やtips - Qiita
Kerasに関する情報が集まっています。現在2241件の記事があります。また1215人のユーザーがKerasタグをフォローしています。
Raspberry Pi 3のセットアップとTensorFlowの学習モデルによる画像認識 - Qiita
Raspberry Pi 上でリアルタイム画像認識」をやってみたいと思います。やる前の気持ちは「ほんとに動くんだろうか…」です。 Raspberry Pi って？ そもそも「ラズパイ」って何？っていうと、こちらですね。 約5,000円くらいで買える超小型のコンピュータです。ARMプロセッサーという処理系がのっかったいわゆるシングルボードコンピュータというものになります。なんと64bitのクアッドコアCPUです。最初にリリースされたのが2012年で、昨年発売されたRaspberry Pi 3 Model B で３世代目になります。下の表（ http://www.lifehacker.jp/2016/03/160312raspberry_pi.html より）にあるように、CPU性能もかなり向上していますが、２世代目と比較して最も大きい違いはWi-FiとBluetoothが搭載された点でしょう
Kerasを用いたCIFAR-10チュートリアル - Qiita
お知らせ これまでこの記事でチュートリアルの内容を公開していましたが、規模が大きくなり更新が二度手間になるので、詳しい内容はGithubのノートを参照していただくようにしました。そのほうが最新の内容をフォローできると思うので、良いのではないかと考えました。なお、Githubのほうでの更新については、継続してこちらのページでお知らせするつもりです。 リポジトリはこちら チュートリアルの内容のみご覧になりたい方はこちらから なお、チュートリアルの内容でエラー等が出た場合は、記事へのコメントかGithubのissueページでご報告いただけるとうれしいです。 CIFAR-10 チュートリアル: この記事の内容 CIFAR-10 チュートリアル[付録]: ちょっとしたTips CIFAR-10 チュートリアル[転移学習]: CIFAR-10を用いた転移学習について。 いつか記事にするかも。 dltパ
絵文字フォントの分類をKerasで試みた - Qiita
漫画家の北道正幸氏が2月22日の“猫の日”を記念して，フォント「きたみ字222」を制作・公開している． http://kitamichi.sub.jp/Sites/iblog/C513573485/E937677024/ （紹介記事：http://www.forest.impress.co.jp/docs/review/20160303_746474.html ） まず初めに，ライセンスを確認しておく． ◆ご使用について 「きたみ字222」はフリーウェアです。 商用以外であれば制限なくご自由に使っていただいてかまいません。ただし「フォントファイル本体」の販売・再配布・加工はご遠慮ください。 「きたみ字222」の著作権は北道正幸にあります。 フォント使用によって生じたマシンその他のトラブルには一切の責任を負いません。 （今回，フォントイメージを切り出して機械学習のデータとしましたが，「フォン
Keras + iOS11 CoreML + Vision Framework による、ももクロ顔識別アプリの開発 - Qiita
はじめに 一年前にTensorflowを使ってももクロ顔識別webアプリを開発しましたが、今回はWWDC2017で発表された iOS11の CoreML + Vision Framework を使ってももクロメンバーの顔画像をリアルタイムで識別するiOSアプリを作ってみました。 なお、本記事はiOSDC2017での発表の元となった記事です。 発表資料はこちら CoreML / Vision Frameworkとは？ CoreMLはiOS11で導入された機械学習フレームワークです。Kerasなどメジャーな機械学習ライブラリを使ってデスクトップやクラウド上で訓練し、その学習結果をCoreML用に変換しiOSアプリに組み込むことで、デバイス単体で予測や識別処理をさせることができます。 Vision Frameworkは顔検出や矩形検出など高度な画像認識処理を行うAPIを提供してくれるフレームワー
学習データをTFRecordにした話 : TensorFlow将棋ソフト開発日誌 #12 - Qiita
前回 マルチGPUを導入した話とseparable_conv2dの話など : TensorFlow将棋ソフト開発日誌 #11 目次 TensorFlow将棋ソフト開発日誌 目次 ソースはgithubにあります（俺が読めればいいというレベル） なうりぶーてぃんぐ 目次 最近何をしていたか TFRecordを使用する理由 非同期読み込みにこだわる理由 TFRecord関係の参考ページ TFRecordを使用する際の注意点（ここだけ読めば良い） 出力 : データをTFRecordに変換する 入力 : TFRecordをTFRecordReaderでtf.Tensorにする 参考 : 自前のファイル形式と自前の非同期読み込みのコード 最近何をしていたか 年初あたりにコンピュータ将棋にPFNが参入というニュースが出て非常に非常にモチベーションが下がりました。勝てるわけねえじゃん。 TensorFlo
Windows版AnacondaでTensorFlow環境構築 - Qiita
この記事を読まれるpython初心者の方への注意事項(2019/10/03追記) この記事はプログラミングの環境構築経験が少なめの方へ向けて書いた記事です。そのため、複数の候補があるpython環境について特に説明することはせず、差し当たってAnacondaを使う方法について説明しました。 しかし、この記事を投稿してから約３年経過し、python+tensorflowを取り巻く環境も変わってきました。この記事を書いた当初はAnacondaを使うのが一番手っ取り早いかと考えていましたが、ほかの環境の選択肢としてWSLやWindows版Docker、公式のWindows版Pythonが使いやすくなったこともあり、現状ではAnacondaを使うのが最適とは言いづらい状況かと思うようになりました。Anacondaについては誤解も多く1、ウェブ上に正しい情報が少ないこともあり、トラブルに対処しにくい
Kerasはfunctional APIもきちんと理解しよう - Qiita
以下の記事は自身のブログData Science Struggleでも掲載予定。許可なき掲載とかではない。 概略 Kerasを使えばTensorflowなどに比べて簡単に深層学習のコードを書くことができる。『深層学習、ニューラルネットワークに入門したいけど難しそう』と言う人は積極的にKerasを使っていくべきだと思う。 Kerasはモデルの表記方法が二種類あり、そのうちの一つであるfunctional APIを利用した記法について紹介する。 functional APIとは functional APIは，複数の出力があるモデルや有向非巡回グラフ，共有レイヤーを持ったモデルなどの複雑なモデルを定義するためのインターフェースです． 上記の説明はKerasの公式ドキュメントから抜粋したものになる。要するに、複雑なモデルを作るにはこれが必要だ ってことだ。 何故functional APIが必要
昼休みにできるTensorflowでリアルタイムSSD - Qiita
#はじめに 最近、GoogleでTensorflowの物体検出APIが公開されました。(http://jp.techcrunch.com/2017/06/17/20170616object-detection-api/) それ以前からSSD（Single Shot Multibox Detector: 物体検出)の論文は出ていて気にはなっていたのですが、私がやっているUAV制御や画像処理系の研究開発に適合する技術と思い、まずはやってみようということで、会社の昼休みの時間でノートPCのカメラでリアルタイムSSDがどれだけのものになるかやってみました。 #SSDについて SSDは上述しましたがSingle Shot Multibox Detectorの略で、物体検出をするアルゴリズムです。Tensorflowによる学習を含んでおり、学習させた物体を認識し、画像上にその範囲まで表示させることが出
超入門訳TensorFlow MNIST For ML Beginners - Qiita
はじめによりはじめに プログラミングもデータ分析も初心者、高校数学しか知らないのにTensorFllowに手を出したのですが、TensorFllow入門で調べてみても、全く入門でなかったのでTensorFlow MNIST For ML Beginnersチュートリアルを訳してくださっていたものを自分なりに解釈して書き換えました。 せっかくなので投稿します。 自分のために作ったので、よくわからないところは赤字、分かった気になったところは太字にしてあります。 理解の助けとなるサイト等ありましたら教えていたただけると幸いです。 はじめに このチュートリアルは機械学習と TensorFlow の初心者を想定しています。もしMNISTやsoftmax（多項ロジスティック）回帰について知っているなら、より早いペースのチュートリアル が良いかもしれません。 プログラムを学ぶ時、最初に “Hello W
Elixir＋Keras＝手軽に高速な「データサイエンスプラットフォーム」 ～Flowでのマルチコア活用事例～ - Qiita
この記事は、「Elixir Advent Calendar 2017」の25日目です Merry Xmas!（実に1日遅れですが…） Elixir Digitalization Implementors／fukuoka.ex／kokura.ex の piacere です ご覧いただいて、ありがとうございます 私は普段、福岡のスタートアップ企業のCTOとして、「ビッグデータ分析＋AI・ML開発の統括」と「Elixir・Phoenix／Kerasリードプログラマ」をしながら、福岡Elixirコミュニティ「fukuoka.ex」のMeetUp（偶数月定期開催）やプログラミング入門ハンズオン、もくもく会を主催しています ちょうど先週末、「fukuoka.ex #4 ～ Elixirのビッグデータ分析～」というテーマでMeetUpを開催したので、そこで扱ったセッションの一部をコラム化してみようと思い
TensorFlowとCNNで、自作データセットを画像分類する
初めまして！ BitStarでエンジニアのインターンをしている久根間です。 普段は、Railsで、社内システムや自社サービスの開発をしていますが、個人的に、機械学習に興味があるので、自作したデータセットを画像解析する方法をまとめてみようと思います。 はじめに この記事では、TensorflowのDeep MNIST for Expertsチュートリアルのコードを少し変えて、自作したデータセットを学習させていく方法を書いていきたいと思います。なので、今回は、データの扱いを中心にいきたいと思います。チュートリアルやCNNについては、深く突っ込まないので、ご了承ください。 具体的に、何を分類するかですが、BitStarでは、YouTubeのチャンネルを、ジャンルごとに分類したりしています。そこで、『YouTubeのサムネイルから、動画の内容を分類する』をやっていきたいと思います。〜やってみたの動
PiCameraとKerasで物体認識 - Qiita
Keras動かせたから何かそこらにあるものを対象にできないかと、Raspberry Piの純正カメラモジュールを使って、定番の画像分類をやってみた。 RasPi OneでTensorflow/Kerasを動かす。で使ったKerasのClassify ImageNet classes with ResNet50にPicameraの出力を渡しているだけです。 カメラモジュール: PiNoIR Camera Module オリジナルのものです。今はVer.2になってます。 ## サンプルコード import io import time import picamera import picamera.array import cv2 from keras.applications.resnet50 import ResNet50 from keras.preprocessing.image im
[Keras/TensorFlow] KerasでTensorBoardの利用 - Qiita
目的 ゼロからKerasとTensorFlow(TF)を自由自在に動かせるようになる。 そのための、End to Endの作業ログ(備忘録)を残す。 ※環境はMacだが、他のOSでの汎用性を保つように意識。 ※アジャイルで執筆しており、精度を逐次高めていく予定。 環境 Mac: 10.12.3 Python: 3.6 TensorFlow: 1.0.1 Keras: 2.0.2 To Do Keras(Tensorflow)の環境構築 KerasでMINSTの学習と予測 KerasでTensorBoardの利用 <---いまココ Kerasで重みファイルの保存/読み込み Kerasで自前データの学習と予測 Kerasで転移学習 参考 流れ TensorBoardを表示されるためには、モデルを学習した時に出力されるlogファイルが必要になる。そのため、log用ディレクトリの作成とサンプルスク
![[Keras/TensorFlow] KerasでTensorBoardの利用 - Qiita](https://cdn-ak-scissors.b.st-hatena.com/image/square/3c32fae622606f1fc9e16e12399524eaa3aac7d6/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%253DaHR0cHM6Ly9xaWl0YS11c2VyLXByb2ZpbGUtaW1hZ2VzLmltZ2l4Lm5ldC9odHRwcyUzQSUyRiUyRnFpaXRhLWltYWdlLXN0b3JlLnMzLmFtYXpvbmF3cy5jb20lMkYwJTJGMTc1MDkyJTJGcHJvZmlsZS1pbWFnZXMlMkYxNDkxOTY1NTQzP2l4bGliPXJiLTQuMC4wJmFyPTElM0ExJmZpdD1jcm9wJm1hc2s9ZWxsaXBzZSZmbT1wbmczMiZzPTY2Y2UzMmUzMDI4Y2RlN2I1ZWQ2ZDI1OTA2NTIyZjQ5%2526blend-x%253D120%2526blend-y%253D467%2526blend-w%253D82%2526blend-h%253D82%2526blend-mode%253Dnormal%2526s%253Dbb7e4e8feca32d85d550a795ef998999%3Fixlib%3Drb-4.0.0%26w%3D1200%26fm%3Djpg%26mark64%3DaHR0cHM6Ly9xaWl0YS11c2VyLWNvbnRlbnRzLmltZ2l4Lm5ldC9-dGV4dD9peGxpYj1yYi00LjAuMCZ3PTk2MCZoPTMyNCZ0eHQ9JTVCS2VyYXMlMkZUZW5zb3JGbG93JTVEJTIwS2VyYXMlRTMlODElQTdUZW5zb3JCb2FyZCVFMyU4MSVBRSVFNSU4OCVBOSVFNyU5NCVBOCZ0eHQtYWxpZ249bGVmdCUyQ3RvcCZ0eHQtY29sb3I9JTIzMUUyMTIxJnR4dC1mb250PUhpcmFnaW5vJTIwU2FucyUyMFc2JnR4dC1zaXplPTU2JnR4dC1wYWQ9MCZzPTg1MzhmMWZjN2NiNDFiMmEyZTM1N2U1MTdjYzM1NzEy%26mark-x%3D120%26mark-y%3D112%26blend64%3DaHR0cHM6Ly9xaWl0YS11c2VyLWNvbnRlbnRzLmltZ2l4Lm5ldC9-dGV4dD9peGxpYj1yYi00LjAuMCZ3PTgzOCZoPTU4JnR4dD0lNDBhZ3Vtb24mdHh0LWNvbG9yPSUyMzFFMjEyMSZ0eHQtZm9udD1IaXJhZ2lubyUyMFNhbnMlMjBXNiZ0eHQtc2l6ZT0zNiZ0eHQtcGFkPTAmcz01MmU1MGE3NmNjYzA3NDFlMmQ0ZjQwMzQwNWU2MzgyZA%26blend-x%3D242%26blend-y%3D480%26blend-w%3D838%26blend-h%3D46%26blend-fit%3Dcrop%26blend-crop%3Dleft%252Cbottom%26blend-mode%3Dnormal%26s%3D75cfed7e5403cd379ea8d4330a6fd1ed)
TensorFlow.jsでMNIST学習済モデルを読み込みブラウザで手書き文字認識をする - Qiita
先日行われたTensorFlow Dev Summit 2018の「Machine Learning in JavaScript」で、Webブラウザ上で実行可能な機械学習ライブラリとしてTensorFlow.jsが公開されました。 そこで、素振りがてらにこんなものを作ってみました。 これは、手書き数字識別のトレーニング済モデルをTensorFlow.jsで読み込むことで、Webブラウザ上で書いた数字が0~9のどれかを予測しています。 主なフロー TensorFlow or Kerasで学習済みモデルを作成 tensorflowjs_converterでTensorFlow.jsで読み込める形に変換 TensorFlow.jsで変換済モデルを読み込んで推論を実行 今回はKerasを使用した方法を紹介していますが、TensorFlowの場合も同様なフローになります。 具体的には、1で出力するフ
ssd-kerasをターミナルで動かす - Qiita
はじめに オブジェクト検出のアルゴリズムのSSDをkerasで実装したリポジトリがあります。 rykov8/ssd_keras こちらにはJupyter用のサンプルコードがありますが、ターミナルですぐ動かせるコードがなかったため、 Jupyter用のサンプルコード(SSD.ipynb)を参考に作成しました。 コード import cv2 import keras from keras.applications.imagenet_utils import preprocess_input from keras.backend.tensorflow_backend import set_session from keras.models import Model from keras.preprocessing import image import matplotlib.pyplot as
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
無から始めるKeras 第3回 - Qiita
Kerasで画像分類～前処理から分類テストまで～ - Qiita
