とりあえずFloydhubで遊んでみた - Qiita
はじめに Floydhub とはDeepLearningのためのHerokuのようなサービスでTensorFlowやChainerを使ったプログラムをCloudで動かすことができます。 Floydhubの特徴は Chainer, TensorFlow, Keras, theano等が使える アカウントの作成にクレジットカードは必要ない 今回はとりあえずアカウントの作成からGet Startedをやってみます。 アカウントの作成 アカウントは無料で作れます。クレジットカードは今は必要ありません。https://www.floydhub.com からSign Upすると以下のWelcome Pageに移ります。 Get Started Setup floyd-cli アカウント作成後、メールが届いてるので認証します。 ターミナル上で、適当な作業ディレクトリに移動してからfloyd-cliをイン
怠け者のためのディープラーニング入門 - イントロ
目次 イントロ ← 今ココ Scikit-learn・Keras モデルの性能指標・評価方法 データの前処理・データ拡張 早期終了(early stopping) 転移学習 ハイパーパラメータのチューニング モデル圧縮 応用 はじめに 大学3年生のとき、小林雅一『AIの衝撃 人工知能は人類の敵か』という本をなんのきなし読んだことがあります。その本の中で「最先端のAIを実装できるのは世界でも50人くらいの研究者・大学院生くらいだ」といった文章を読み、なんだかすごそうという動機で機械学習に触れ始めました。そのころちょうど、TensorFlow 0.0.5が公開されて騒がれていたことを覚えていますが、当時ディープラーニングとは何かすらまったく分かりませんでした。それから約2年の月日が経ちますが、TensorFlowをはじめとしたフレームワークの普及もあってか「最先端のAI」というものを研究し実装
機械学習によるギター画像の分類 その1 - Qiita
サマリ CNN（ResNet）によるギター画像の分類で99%超の精度を達成した。 ImageNetの一般画像分類モデルを元にした転移学習による学習の高速化・高精度化・汎化性能の向上を確認した。 はじめに 本記事は、アラフォー・エンジニアによる、夏休みの自由研究の記録です。 CNNを使った、ギター画像の分類にチャレンジしました。 技術的に目新しい話はあまりないですが、ギターを題材にした事例は意外にもなさそうだったので、なんとなく結果を公開します。 環境 自宅のパソコンです。 データセットの準備 データセットは、Web検索からスクレイピングにより調達し、手動でちまちまとラベルを修正しました。ラベルは以下の13種です。 Stratocaster Telecaster Jazzmaster Jaguar Mustang LesPaul SG FlyingV Explorer Firebird Se
メガネな人を見つめてくれるWebカメラ - Qiita
Deleted articles cannot be recovered. Draft of this article would be also deleted. Are you sure you want to delete this article? メガネな人を見つめてくれるWebカメラを作った。 メガネが無い人は見つめてくれません。 メガネな人を見つめてくれるWebカメラ作った。 動画の人物は同僚のK島氏。許可をとってご登場頂いております。https://t.co/nf5TNJpcjI — foka (@foka22ok) 2017年8月3日 最近ぼんやりとやってみたいと思ってた中から、以下の4つをまとめたらこれができました。 機械学習の学習データを自分で集めて精度を検討 Kerasを試す 機械学習をリアルタイム処理で使う モーター制御したい ざっくりとはこんな感じの仕組みです。
KerasのLSTM model.predictを解読した話 - Qiita
概要 KerasやTensorflowを使用してニューラルネットワークの重みを計算したものの、それをどうやって実アプリケーション（iPhoneアプリとか、Androidアプリとか、Javascriptとか）に使えば良いのかって、意外と難しい。 単純なニューラルネットワークとなれば、単純で良いのだが、今回LSTMで学習した重みを使用する必要があったので、KerasのLSTMのPredictの内容を解読した。 学習済みの重みはmodel.get_weights()で取ってこれるが、こいつに関する情報がググっても全く出てこない。 結局、コードを書いて、ごちゃごちゃ手当たり次第に試していった結果、model.get_weights()で取ってくる重みは、 1つ目(インデックス0)：LSTMの入力層の入力に対する重み、入力ゲートの重み、出力ゲートの重み、忘却ゲートの重み 2つ目(インデックス1)：隠
ティープラーニングでザッカーバーグの顔を識別するAIを作る（学習データ準備編） - Qiita
⓪はじめに 前々から「流行りのAIとかディープラーニングやってみたい！」と思っていたので、ミーハー魂から2017年5月のGWの自由研究として、機械学習(ディープラーニング)の前提知識0からの勉強を決意。実際に作ったもののサンプル動画等はこちらより。最終的なコードはこちらに。 【つくったもの】 シリコンバレーの大御所起業家のマーク・ザッカーバーグ氏(Facebook)、ビル・ゲイツ氏(Microsoft)、**イーロン・マスク氏(SpaceX,Tesla)**の3人の顔を識別するAI。 (現状、まだこちらはネット上にアップしていません。時間がある時にアップしたいです *2017年5月時点) 【筆者(@AKIKIKIKIKIKIK)のプロフィール】 データ解析や機械学習の前提知識はなし。プログラミングの大体は独学。RailsでWEBアプリ作るのが好き。 【機械学習&ディープラーニングで参考にさ
週刊少年ジャンプの短命作品を，機械学習で予測する （前編：データ分析） - Qiita
1. はじめに 週刊少年ジャンプ（以下，ジャンプ）は，日本で最も売れている漫画雑誌1です．言うまでもなく，私は大ファンです． ジャンプ編集部の連載会議は非常にシビアです．ジャンプ作家の奮闘を描いたフィクション漫画「バクマン。」では，編集部が毎号の読者アンケートをもとに各漫画の人気を評価し，掲載順や打ち切り作品を決定する様子が描かれています2．連載開始から10週以内（単行本約1冊分）で連載が打ち切られてしまうことも珍しくありません．とても厳しい世界です． 本記事では，機械学習を使って，短命作品（10週以内に終了する作品）の予測を行います．究極の目標は，ジャンプ編集部より先に打ち切り作品を予測し，好みの作品が危ない場合はアンケートを出して打ち切りを回避することです3．我々は読者アンケートの結果を知ることができないので，掲載順の履歴を入力とし，短命作品か否かを出力する多層パーセプトロン4をTen
Google Cloud ML EngineをJupyterから簡単に使えるMagic - Qiita
Cloud ML Engineへ学習JobをJupyterから簡単に投げたいなぁと思い、そんなJupyter用 Magic Command Extensionを作りました。 Jupyterで書いたモデルを、Runすればクラウド上で実行することができます。 こんな感じ。 Cloud ML Engineとは 簡単に言えばTensorFlowの学習や予測JobをCloud上で実行できるマネージドな環境です。一般的にはDistributed TensorFlowで大規模に学習をさせるケースが多いかと思いますが、私のようにメインマシンがMacBookでGPUも使えない環境の場合は、GPUを気軽に使えるリモートの環境として重宝しています。 また、GCEとは違ってJobが終われば自動で立ち下がるため、インスタンス落とし忘れで課金が大変な事になる心配もありません。 準備 Google Cloud SDKの
Udacity自動運転エンジニアコースのTerm1を終えた感想 - Qiita
Deleted articles cannot be recovered. Draft of this article would be also deleted. Are you sure you want to delete this article? オンライン講座のUdacityが提供する自動運転エンジニアコースのTerm1を修了したので，その感想を書こうと思います． Udacityとは UdacityとはCourseraやedX等のオンライン講座MOOCの一つであり，自動運転エンジニアコース，AIコース，フルスタックエンジニアコースなど様々なコースがあります．他のMOOCとの違いは，Coursera等はどちらかといえば知識ベースであるのに対し，Udacityはプロジェクトベースであるという点です．また自動運転コースの講義はMercedes-Benz等からも提供されており，最先端の
keras-1チュートリアル流し読み - Qiita
始めに chainerと似て抽象化がされている。 違いの一例としてはネットワークの定義でユニット数の書き方がchainerと逆になってる。Dense(1, input_dim=784,... 出力ユニット数,入力ユニット数の順になってる。 この記事では関数の紹介、使い方、どこで使われてるかを説明できる範囲で紹介します。 ※layer_testというサンプルが多用されてますが、ただのテストコードなことに後で気づきましたので、そのうち直します。 継承関係 Layer ↑ Container ↑ Model ↑ Sequential Keras v2では名前が変わったりしてます。 今はv1を元に書いています。 http://qiita.com/miyamotok0105/items/322b29339e1771184b9e from keras.models import Sequential
ディープじゃない機械学習で為替(FX)の予測をしてみる - Qiita
機械学習というと深層学習（ディープラーニング）を連想されがちですが、それ以外にも沢山あります。また、ディープじゃ無いからダメかというとそうでもありません。 というわけで、前回の記事のデータを別の機械学習でやってみます。 関連シリーズ 第１回 TensorFlow (ディープラーニング)で為替(FX)の予測をしてみる 第２回 ディープじゃない機械学習で為替(FX)の予測をしてみる 第３回 TensorFlow (ディープラーニング)で為替(FX)の予測をしてみる CNN編 TL;DR 資産の増減をグラフにしました。半年ほどで12%の利益になってますが、学習の条件に対して結果がロバストでは無いので今後もうまくいくとは限りません。 GitHubにNotebookを置いてあります。 Forkして遊んでみてください。 https://github.com/hayatoy/ml-forex-predi
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.
[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/b034ba7fda1e9a7a197126bab316b55c930e1d6f/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_aXhsaWI9cmItNC4wLjAmYXI9MSUzQTEmZml0PWNyb3AmbWFzaz1lbGxpcHNlJmZtPXBuZzMyJnM9OTZlODMyOGM0NzJiYTljY2MyYzMxMTE4YzUzY2YxZDI%2526blend-x%253D120%2526blend-y%253D467%2526blend-w%253D82%2526blend-h%253D82%2526blend-mode%253Dnormal%2526s%253Dcc927a3968638453e3700d3654e12c19%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%3D4bdc6564717f061f27cae034fa824462)
ディープラーニングで「顔が似ているAV女優を教えてくれるbot」を構築 - Qiita
概要 Facebook Messenger APIを利用して、 画像をアップロードすると、似ているAV女優を教えてくれるbotを実装しました。 システム構成 Bot応答を行うサーバは諸般の都合によりGo、画像判別はPython(顔検出はOpenCV、分類用の畳込みニューラルネットワークはTensorFlow)で作成しています。 尚、言語間のI/FはgRPCでGoからPythonにRPCを行っています。 実装 Go側 Facebook MessengerからのWebhookを受信して、bot応答を行うWorkerプロセスです。 Messenger Bot Server WebサーバにはGinを利用しています。 難しい事は特にないですが、トラフィックが増えた際、複数のユーザからのメッセージをまとめてWebhookにPOSTする事があるようなので、 エンタープライズで利用するならそのあたりを注意
DeepLearningだ！と意気込んだものの手書き数字認識の後に続かなくなった時に読むデータそのものの話 - Qiita
DeepLearningだ！人工知能だ！機械学習だ！ エンジニアとしての意気込みと、 なんだかすごいことが出来そうだな！という上司の後押しを一身に受け、 深層学習本やQiita記事を流し読み、 TensorFlowやChainerを導入して、 チュートリアルの写経で徳を積んで、 ゲームに使っていたGPUも学習という大義名分のもとフル稼働させた、、、 Accuracy 99.23% 今回は、MNISTやIRISを99%超で識別するエンジンを実装して満足してしまったエンジニアが MNISTを脱却するためにMNISTを知るための話 おなじみ、「MNIST」がつまりどんなデータなのか？ 28行28列の画像→正しいが今はそこではない。 データセットとしては、70000行784列、 70000はサンプル数、784は28*28をベクトルに直した時の次元数。 行に解析したいデータ総数、列に解析したいデータ
機械学習を使った株価予想（回帰編） - Qiita
以前（1,2,3）からの続き物。 分類ばかりでは面白くないので、回帰問題を試したい。 というわけで、今回は機械学習のフレームワークTensorFlowやscikit-learnを使用して株価を直接予想するという遊び。前は翌日の株価が「上がる or 下がる」の2択の分類でしたが、今回は「何円か」を直接予想します。 なお、入力に使うデータは使い回しです。毎回スミマセン。 趣旨 TensorFlowやscikit-learnを使用して、株価の予想をしてみる。 精度や使用感を確認する。 やること 「数日分の世界中の株価指数（ダウ、日経平均、DAXなど）を使用して、次の日の日経平均株価を予想する」（回帰） 環境 scikit-learn scikit-learn 0.17.1 Python 2.7 Windows 7 TensorFlow TensorFlow 0.7 Ubuntu 14.04 Py
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 - Qiita
MacOSXにPythonを用いた機械学習を行うための環境を構築する - Qiita
ディープラーニングで顔写真から〇〇かどうかを判別してみる (うまくいったか微妙) - Qiita
