Railsでsunspot(solr)を使って全文検索 - QiitaDeleted articles cannot be recovered. Draft of this article would be also deleted. Are you sure you want to delete this article?
【Tensorflow入門】適当にTensorflowを理解して、モデルを作ってみる - Qiita
この記事は、自身のブログ、Data Science Struggleを翻訳したものになる。 ##目的 Tensorflowが何なのかを大雑把に理解し、簡単なモデルを作成していく。 ##Tensorflowの概略 様々なところで聞くようになったTensorflowとは結局何であって、機械学習においてどのような位置付けになるのかというところから簡単に見ていく。 Tensorflowとは何なのか？ まず、Tensorflowとは、実際に使って行く上では、ニューラルネットのパラメーターを決めるための計算を自動でやってくれる計算機ぐらいの考え方で構わない。 ここでいう計算機とは、1+1の答えを出してくれるというような、文字通り、計算を行ってくれるものだ。 機械学習においてはどのような位置付け？ 機械学習を用いる方法は大きくわけて三つある。 一つ目は、アルゴリズム、数理を正しく理解した上で、各言語でモ
３日で資産が３倍に!! Azure Machine Learning(ML) でFx予測と自動売買連携。-その１ 概要・準備編 - Qiita
概要 Azure Machine Learning を使い、教師あり機械学習によるFx予測をします。 機械学習の結果をWebApi経由で入出力できる状態にします。 Fx自動売買システムで著明なMetaTrader4(MT4)からWebApiで結果を取得し自動売買します。 教師用データは証券会社より配布されている１分足のデータを使います。 データの加工はRで実装します。 ソースコードはGitHubから取得できます。 本アプリケーションの仕様・概要は、 https://docs.com/user142134/9040/jazug-5-azure-mlfx にあります。まずはこちらを御覧ください。 目的など 現段階で試験的ではありますが実弾にて運用中です。ドキュメント化を順次進めています。 本資料では自動売買の仕組みを構築できるように順次解説します。 アルゴリズム変更（中級）、閾値変更（初級）、
機械学習をゼロから1ヵ月間勉強し続けた結果 - Qiita
Deleted articles cannot be recovered. Draft of this article would be also deleted. Are you sure you want to delete this article? 追記 2018年の機械学習勉強法などをまとめました！ 2018年版もっとも参考になった機械学習系記事ベスト10 はじめに 2016/12/14 から約1ヵ月間、機械学習の勉強をし続けました。これは会社の自由研究という制度を利用させて頂いて、1ヶ月間は業務から離れて、機械学習の勉強だけをやり続けた記録です。 勉強してきたもののうち教師あり学習までは、Qiita にその記録をまとめましたので過去記事一覧からご覧ください。 過去記事一覧 1日目 とっかかり編 2日目 オンライン講座 3日目 Octave チュートリアル 4日目 機械学習の第一
OSX10.10でCaffeをインストール、リファレンスモデルで画像を分類 - Qiita
2015年4月22日現在の情報です caffeは頻繁にアップデートを行うので今現在動くかは保証しかねます インストールからリファレンスモデルを用いて画像判別をします． リファレンスモデルbvlc_reference_caffenet.caffemodelとclassify.pyを使用した画像識別についてまでです． caffeとは ディープラーニングフレームワーク 非常に高速かつ開発が活発で人気の高いフレームワークです 詳しくは公式を見ましょう http://caffe.berkeleyvision.org/ 少し性能を見たい方は Caffe Demos に分類したい画像のURLを貼ると 公式のリファレンスモデルで画像分類を行ってくれます MacOSX10.10.3(yosemite)にインストールする 以下の記事も参考になるかと思います OS X 10.10（Yosemite）にCaffe
私的TensorFlow入門 - Qiita
私的Chainer入門してみたイキオイで、続きをやってみることにする。 とはいえ、chainerを極める方向に行くよりも、いろいろと食い散らかしておきたい。 まあ、そんなワケで、TensorFlowである。 MNIST For ML Beginnersを参照しつつすすめる。 私的Chainer入門やPythonでKNNを使った手書き文字認識でもMNISTを扱ったワケだけれど、こいつをつかって「数字判別機を作る」というのは、機械学習のチュートリアルの基礎中の基礎だ。言うなれば、Oracleデータベースを初めて触る人がscott/tigerのempデータベースをselectするSQL文から入るようなもんだ。 TensorFlowの準備から PythonからTensorFlowを使う。AnacondaでPython環境を作っているので、ドキュメントに従い、以下のようにインストールする。
”ゼロから作る Deep Learning”のための環境構築をdockerとVagrantで実現 - Qiita
WHY この記事を書こうと思った理由ですが下記の書籍を年末年始にやって勉強になったのですがPythonに慣れていないと詰まる部分もあり、環境構築に精神コストを削られてこの書籍を完了できない人が出てくるかなと思ったからです。 ゼロから作るDeep Learning ――Pythonで学ぶディープラーニングの理論と実装 WHAT 詰まると思った部分は図の可視化です。図の可視化にはmatplotlibを使用するのですが環境構築の際に罠があり、それにはまると解消するのに時間的なコストがかかるケースがあります。 そこで誰でも同じ環境を構築できるDockerの出番です。私はVagrantにdocker用の環境を構築してdockerを使用しているので完全に手元のパソコンとは独立した環境を実現しています。 これを実現するのに使用した技術は下記です。 Vagrant ansible docker ipyth
機械学習のライブラリを片っ端からpipで入れまくる(Ubuntu) - Qiita
知っているライブラリを片っ端からpipで入れまくっちゃいます。pip万歳！ 新しいライブラリ見つけたらどんどん追加します。 #pip本体のインストール $ sudo apt-get install python-pip #pipの使い方 なぜか僕の環境では$ sudo -H pip install pip ライブラリ名としないと上手く行かないんですが、 他のサイトなどでは$ pip install ライブラリ名と書いてあるので、以下はこっちで行きます。 僕と同じくsudo必要な人いないのかなぁ〜 #科学技術計算のライブラリ ライブラリ：numpy, scipy, pandas, matplotlib, scikit-image pip install numpy scipy pandas matplotlib scikit-image #機械学習 ライブラリ：chainer, tensor
（ 事例調査 ）トポロジー・ 微分幾何学・ 情報幾何学 の 高み から、（深層）ニューラル・ネットワークモデル の 情報処理過程 を 可視化し、学習速度 を 早める 視座 の 有効性 を 考える - Qiita
（ 事例調査 ）トポロジー・ 微分幾何学・ 情報幾何学 の 高み から、（深層）ニューラル・ネットワークモデル の 情報処理過程 を 可視化し、学習速度 を 早める 視座 の 有効性 を 考える人工知能深層学習DeepLearning情報幾何学InformationGeometry （深層）ニューラル・ネットワークモデル を 改良して、 局所最適解への陥落 を 防ぎ、 なるべく短い学習回数で、全体最適解 に 到達する より良い (Deep) neural networkモデル を 見い出す 上 で、 【 情報幾何学（微分幾何学）の 見地 】 （１）誤差逆伝播（BP）法 の パラメータ更新式 を Riemann空間で組成し、 （２）フィッシャー行列 で 表現される Riemann計量 を 用いる 方法 及び 【 位相幾何学 の 見地 】 （１）(Deep) neural network モデ
DeepLearningはアニメを変えるのか？ - Qiita
Deleted articles cannot be recovered. Draft of this article would be also deleted. Are you sure you want to delete this article? （題を付けかえました。このページ中の画像は、それぞれの引用先のサイトの画像を表示しているものです。） 最近、Deep Learning関連では、アニメ産業自体にも影響しやすい技術が多数開発されているように思う。 まず、セル画の時代からある輪郭線をラフスケッチからトレースする作業が自動化されてしまうのではないか？ ラフスケッチの自動線画化 web サービス■全層畳込みニューラルネットワークによるラフスケッチの自動線画化 次の２つの技術によれば、そのような線画画像に基づいて、色指定と着色の工程を自動化できてしまう可能性がないか？ 初心者がc
character-level CNNでクリスマスを生き抜く - Qiita
この記事は Retty Advent Calendar 18日目です。 昨日は@YutaSakataのクリスマスプレゼントにはKotlin1.1が欲しいですでした。 さて、もうすぐクリスマスですが、皆さん一緒に過ごすお相手はおられますか？ 私？私はもちろんいます。この子が。 独りだと酒でも飲みに行きたくなりますよね？ちょっと奮発していい店でしっとり飲むのもいいものです。 ですが、そんなつもりで入った店がリア充どもの巣窟だったらどうでしょう？ せっかくの孤独のグルメタイムが台無しです。 そんな危険な店を事前に避けるため、Deep Learningの力をかりましょう。 用意するもの keras お店の口コミ kerasはtensorflowかtheanoをバックエンドにして動くDeep Learning用のライブラリです。複雑なことをしようとすると結構面倒ですが、大抵のモデルについてはかなり簡
外部メモリー付きのニューラルネット"Differentiable Neural Computing (DNC)"について解説するよ - Qiita
Deleted articles cannot be recovered. Draft of this article would be also deleted. Are you sure you want to delete this article? この記事について DeepMind が Nature に投稿した論文 Hybrid computing using a neural network with dynamic external memory で使用されている "Differentiable Neural Computing (DNC)" について解説します。ロジックの説明がメインですが、Python - Chainer による実装例も紹介します。 Differentiable Neural Computing (DNC)とは sequential data を Neur
Juman++をサーバーモードで利用しよう - Qiita
この記事の内容 Juman++をサーバーモードで利用すると、はかどる話 形態素解析を簡単に実行するPythonパッケージでJuman++を利用可能にした話 Juman++とは？ Juman++とは京大・黒橋研究室で開発された形態素解析器です。 「それ、Mecabと何が違うん？」と言う点ですが、Juman++では「RNN（いわゆるディープラーニング系のやつ）言語モデルを利用している」点が異なります。 Qiitaでも紹介記事が徐々に増えつつあり、今後の普及が楽しみです。 新形態素解析器JUMAN++を触ってみたけど思ったより高精度でMeCabから乗り換えようかと思った話 複数の形態素解析器を見比べる Juman++のちょっと気になる点 依存ライブラリを新しくしないといけない。特にgcc周り 遅い 依存ライブラリ問題は、gccを更新して、他のコード郡が動かなくなるかもしれない・・・という懸念はあ
GTX-1080でTensorFlow - Qiita
GTX-1080を入手したものの、pip でインストールしたTensorFlowでは使えないとのこと 四苦八苦したのでメモ Pythonの経験がまだ半年程度なのでインストール周りで無駄が多そう... 環境 Ubuntu 16.04 Python 3.5.2 Nvidiaのドライバが入ってないからかDVDブートだと画面が表示されなかったので、GTX-1080を取り外してインストール Ubuntuのインストールが終わったらGTX-1080を取り付けて起動しSSHで接続した Nvidiaドライバーのインストール GTX-1080 など GeForce を Ubuntu 16.04 LTS で CUDA-8.0RC と共に使う をがっつり参考にさせてもらってインストール とりあえず、 まずは Ubuntu 16.04LTS で nVIDIA GeForce を使う一般設定から だけを行った これで
iOSのMetalで畳み込みニューラルネットワーク - MPSCNNを用いた手書き数字認識の実装 - Qiita
MetalでCNNの計算を行うためのAPI群、MPSCNNを用いた手書き数字認識のサンプルを読む、という記事の続きです。 iOS 10でMetal Performance Shadersフレームワークに、CNN（Convolutional Neural Network）演算機能群が追加されました。iOSデバイスのGPUで畳み込みニューラルネットワークの計算をさせることができる、という代物です。 前編ではネットワークの中身には踏み込まず、オーバービューとして利用するアプリケーション側の実装について見ていきました。 後編となる本記事ではいよいよMetal Performance Shadersを用いたCNN（Convolutional Neural Network / 畳み込みニューラルネットワーク）の実装について見ていきます。 なお、CNN自体の解説はここでは省略しますが、概念をざっくり理解
re:Invent 2016 私的HPCまとめ - Qiita
Deleted articles cannot be recovered. Draft of this article would be also deleted. Are you sure you want to delete this article? AWS re:Invent 2016に参加してきました。他の誰もやらないであろうHPC的なまとめを私なりにしてみます。 AWS re:Inventについて 私が説明するよりもはるかに素晴らしい紹介コンテンツが山ほどあるので、そちらを参照ください。 毎年参照するのがクラスメソッド様の全セッションまとめです。毎年お世話になります。多謝。 http://dev.classmethod.jp/cloud/aws/reinvent-2016-matome/ KeyNote New Instance Type 新しいインスタンスタイプのリリース、s
Deep learning × Python - Qiita
今更ではありますが、今年のPythonキーワードの中で外すことはできないのではないでしょうか？ というわけで今年を振り返ってお世話になったDeepLearning系Pythonライブラリを紹介したいと思います。 Keras chainer, tensorflow, mxnetなどいろいろなフレームワークが出てますが、単純にGithubのスター数でみると次の順で人気なようです。(12月25日現在) tensorflow(40959) keras(10509) mxnet(7288) chainer(1910) tensorflow大人気なのが分かりますね。kerasはコード行数が少なくて済むので好きなのですが、tensorflow-slimなども出てきて、今後もtensorflowベースでより簡単に書けるライブラリが出てきそうです。 keras-rl kerasを使ったDeep Reinfo
TensorFlowは「テンサーフロー」か「テンソルフロー」か？TensorFlow自身に聞いてみる。 - Qiita
この記事は、 TensorFlow Advent Calendar 2016 25日目の記事です。 今年の10/7、TensorFlow UserGroup (TFUG) が発足しました。 「TensorFlow User Group立ち上げの儀」 に私も参加させていただいたのですが、そこで議題となったのが 「TensorFlowの読み方(カタカナ表記)」 でした。その場で多数決をとって、TFUGとしては 「テンソルフロー」 にすることに決定したのですが、思い通りに進まないのが世の常。 TFUG コアメンバの多数決の結果、 TFUGでは 「テンソルフロー」 に統一することに決定 TFUG #1 で、 NHKの取材が入り、 「テンサーフロー」 と書かれる Googleの中の人に聞くと 「テンサーフロー」 だと言われる と、混乱を極めております。そこで、 TensorFlow Advent C
ちょっと変わったニューラルネットワーク Reservoir Computing - Qiita
Deleted articles cannot be recovered. Draft of this article would be also deleted. Are you sure you want to delete this article? あまり有名ではありませんが変わった性質のニューラルネットワークとして Reservoir Computing があります。 Recurrent Neural Network のひとつですが、中間層の重みを固定してしまって、出力層の部分だけ学習するというアルゴリズムです。 Recurrent Neural Network とは まずは Recurrent Neural Network (RNN) について簡単に触れておきましょう。 時系列学習 時系列データを扱う方法は多種多様ですが、ニューラルネットワークにおいてはRNNを使います。 時系
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
ゼロから作るDeep Learning Pythonで学ぶディープラーニングの理論と実装 第3章 - Qiita
