TensorFlow: Pythonで学習したデータをAndroidで実行 - QiitaDeleted articles cannot be recovered. Draft of this article would be also deleted. Are you sure you want to delete this article?
ディープラーニングの有名ライブラリ5種を最短距離で試す半日コース（TensorFlow, Chainer, Caffe, DeepDream, 画風変換） - Qiita
「いつか勉強しよう」と人工知能／機械学習／ディープラーニング（Deep Learning）といったトピックの記事の見つけてはアーカイブしてきたものの、結局2015年は何一つやらずに終わってしまったので、とにかく一歩でも足を踏み出すべく、 本質的な理解等はさておき、とにかく試してみる ということをやってみました。 試したのは、TensorFlow、Chainer、Caffe といった機械学習およびディープラーニングの代表的なライブラリ／フレームワーク3種と、2015年に話題になったディープラーニングを利用したアプリケーション2種（DeepDream、chainer-gogh）。 （DeepDreamで試した結果画像） タイトルに半日と書きましたが、たとえばTensorFlowは環境構築だけなら10分もあれば終わるでしょうし、Chainerなんてコマンド一発なので5秒くらいです。Caffeは僕
DeepLearningフレームワークCaffeをCPU modeでMacにインストールする方法 - Qiita
※この情報は2015/07/04のものです、Caffeは非常に更新速度が早いため現在動作するかは分かりません。 Caffeとは 最近話題のDeep Learningのオープンソースなフレームワークです。 カリフォルニア大学バークレー校の院生が作り始めたそうです、凄い！ 公式ホームページはこちら、C++、PythonやMATLABで使えるので得意な方を選んで使えます。 更新が非常に早いので最新の情報を追ってみると面白そうです。 ここから画像分類のデモが見られるので、気になる方は試してみてください。 Caffeを使おうと思った背景 Deep Learningを勉強し始めた当初は関数型言語だし普段使っているからScalaでDeep Learningやる！とか甘い考えで色々試していましたが、ある時画像処理や機械学習のライブラリ、フレームワークがPythonなどの言語と比較して圧倒的に少ないことに気
【機械学習】ディープラーニング フレームワークChainerを試しながら解説してみる。 - Qiita
今話題のDeep Learning(深層学習)フレームワーク、Chainerに手書き文字の判別を行うサンプルコードがあります。こちらを使って内容を少し解説する記事を書いてみたいと思います。 (本記事のコードの全文をGitHubにアップしました。[PC推奨]) とにかく、インストールがすごく簡単かつ、Pythonが書ければすぐに使うことができておすすめです！ Pythonに閉じてコードが書けるのもすごくいいですよね。 こんな感じのニューラルネットワークモデルを試してみる、という記事です。 主要な情報はこちらにあります。 Chainerのメインサイト ChainerのGitHubリポジトリ Chainerのチュートリアルとリファレンス 1. インストール# まずは何はともあれインストールです。ChainerのGitHubに記載の"Requirements" ( https://github.c
マルチモーダルDeepLearning エージェントマシンに <意識> を持たせるためには何が必要か～ 「構成論的人工知能研究」と２つの脳理論 （１）量子場脳理論 と （２）統合情報理論 を統合する視座 がもたらす可能性 - Qiita
（ スライド共有プラットフォーム SpeakerDeck 掲載先 へのリンク ） （参考）この記事の内容と協働できるかもしれない勉強会の発表スライド （SlideShare）Yoichiro Miyake氏 『人工知能のための哲学塾 第一夜「フッサールの現象学」 資料 （全五夜＋第零夜）』 Deep Learning アルゴリズムを、身体と視覚・音声・感熱・感圧などの複数のセンサーを搭載したマルチモーダルなエージェントマシンに搭載することで、「見た目」・「発する音」・「温かさ・冷たさ」・「手触り」などの全体的な感覚イメージを、「猫」や「人間」・「りんご」などの物の物体概念に結びつけあわせる知能（知性）を、構成論的に再現する道が開けました。 では、そのエージェントに、『感覚をもった物体概念』を自分が持つにいたったことを、「意識」させるところまで、構成論的アプローチによる人間知性の再現の歩みを
関数型プログラミング、Deep Learningの次にくるデータ解析アルゴリズム、「意識」をもった人工知能の創出、金融・生命科学シミュレーションの最先端を切り開くハイエンド人材になるために必要な数学を整理してみた - Qiita
表題のとおり、以下、関数型プログラミング、Deep Learningの次にくるデータ解析アルゴリズム、「意識」をもった人工知能の創出、金融・生命科学シミュレーションの最先端を切り開くハイエンド人材になるために必要な数学を整理してみました。 「プログラミング・データ解析の先端領域」別 役に立つ「数学の領域名」 【 群論・圏論 】 （１）関数型プログラミング言語、関数型プログラミング 圏論の歩き方委員会（編）『圏論の歩き方』日本評論社 WIKIBOOKS 「Haskell/圏論」 （Wikipedia）CPL（圏論プログラミング言語） （SlideShare）Masahiro Sakai 「Introduction to Categorical Programming (Revised)」 Hatena::Diary （2013/3/13）『「ラムダ計算」を独学で学習するための，講義ノートやP
OCamlとSLAPで作る型安全ニューラルネット（と深層学習） - Qiita
この投稿は Machine Learning Advent Calendar と ML Advent Calendar の18日目の記事です． 今日は関数型プログラミング言語 OCaml と線形代数演算ライブラリ SLAP を使った型安全なニューラルネットワークの実装について書きたいと思います．最近，深層学習とかいうニューラルネットの応用が流行っていますし，一方で，関数型プログラミング言語とかいうのも流行っているので，2つの流行に（むりやり同時に）のってみました． 私はOCaml を使って，次元の合わない行列演算をコンパイル時に検出する機能を持った変な線形代数演算ライブラリ Sized Linear Algebra Package (SLAP) を作っています．世の中には便利な線形代数ライブラリ（BLAS とか LAPACK とか）や数値計算言語（MatLab とか R とか）が沢山ありま
CaffeでDeep Learning つまずきやすいところを中心に - Qiita
はじめに 近年Deep Learningへの注目が高まっていますが、多くの場合膨大なデータを必要とすること、学習にはGPU計算環境が必要であったりなど、独特の敷居の高さがあります。この記事では、この敷居を大きく下げるであろうCaffeについて紹介します。ただ、Caffeを紹介する記事はすでに良いものがたくさんあり、そもそも公式documentがかなり充実しているので、今回は躓きやすい部分や他の記事があまり触れていない部分を中心に紹介していきます。 Caffeって何？ CaffeはDeep Learningのフレームワークの一つです。Deep Learningは一般に実装が難しいとされていますが、フレームワークを使えばかなり手軽に扱うことができます。 代表的なフレームワークには、 Caffe theano/Pylearn2 Cuda-convnet2 Torch7 などがあります。この中でも
ニューラルネットワークと深層学習(和訳) - Qiita
とりあえず読んでみたい、という方は：「ニューラルネットワークと深層学習」日本語訳のページをご覧ください。 Deep Learningってのがマジヤバイらしい・・・でも、取っかかりがつかめない・・・ ここ最近、Deep Learningの盛り上がりが凄いですね。私の中でも、深層学習を覚えなきゃ、置いてかれてしまい、ついには自分の仕事までAIに奪われるのでは、という危機感と、逆に今Deep Learningを使えるようになれば未来の発明者になれるのでは、という期待感が高まり、Deep Learningを勉強しなくては、と思い続けていました。 しかしながら、私はDeep Learningがどうしても理解できませんでした。これまで何十種類ものDeep Learningの教材を試してきました。しかし、Deep Learningがどうしても理解できませんでした。しかし、世の中にある文書で、なかなかとっ
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
