AWS E2 G2インスタンス上にKeras環境を構築する 2017年2月版 - Qiita
はじめに Deep Learningをやろうと思ったらでかい計算資源が必要なのが当たり前なのだけど、手持ちのPCのスペックで十分とかそうそうありはしないので、EC2のGPUインスタンスをささっと立てて使うのも手だと思う。 FrameworkはKerasでバックエンドはTensorFlow GPUバージョン。それをpyenv仮想環境でセットアップする構成とした。先日TensorFlow 1.0がリリースされてtf.kerasが実装されたみたいだけどまだ試してないので普通にKeras使うことにする。 環境構築についてはこちらを参考にさせていただいた。 AWSのGPUインスタンスでTensorFlowを動かす インスタンスの作成 EC2 Instance: クイックスタートにある Ubuntu Server 16.04 LTS (HVM), SSD Volume Type Type : g2.2
「デブサミ2017」ITエンジニア本大賞のプレゼンでノックアウトされた件 #devsumi #itbkawd - 江青日誌
デブサミ2017たくさんのご参加ありがとうございました。もう中の人を卒業して、ばあやぐらいしか参戦していない私がお礼をいうのも何なんですが、来ていただいた方々、皆様お楽しみいただけたでしょうか？これからのご自身の活力アップのネタ、仕込めましたでしょうか？ さて、私自身、今回とても心動かされたセッションがありました。それは、ITエンジニア本大賞のプレゼン大会です。このアワードの中の人ではあるのですが、とてもとてもすごく感動したので、この思いを忘れないためにblogをしたためてみようと思います。 まず、ITエンジニア本大賞って何っていう方にご説明すると、ITエンジニアのみなさんが、ITエンジニアにオススメしたい本を投票していただきます。その中のビジネス書、技術書で上位3冊のプレゼン大会をデブサミでやります。プレゼン大会に聴講していただいた方の投票結果で、ビジネス書大賞、技術書大賞を決めるもので
深層強化学習ライブラリChainerRL - Preferred Networks Research & Development
Chainerを使った深層強化学習ライブラリChainerRLを公開しました． https://github.com/pfnet/chainerrl PFNエンジニアの藤田です．社内でChainerを使って実装していた深層強化学習アルゴリズムを”ChainerRL”というライブラリとしてまとめて公開しました．RLはReinforcement Learning（強化学習）の略です．以下のような最近の深層強化学習アルゴリズムを共通のインタフェースで使えるよう実装してまとめています． Deep Q-Network (Mnih et al., 2015) Double DQN (Hasselt et al., 2016) Normalized Advantage Function (Gu et al., 2016) (Persistent) Advantage Learning (Bellemar
素人が学んだ A Neural Network Playground の遊び方
ニューラルネットワークを理解するためのツールA Neural Network PlaygroundがGoogleのTensorFlowのチームから出されました。 これを分かってる社員に解説してもらいながら触ってみて若干理解してきたのでその経過を報告したいと思います。 素人がいじるべきパラメータまずはじめにA Neural Network Playgroundにアクセスしてもらうと上のようなページになるかと思いますがいじるべきパラメータをお教えしたいと思います。 ①まずは4つから図形を選びます。始めは左上の画像にしましょう。 ②層の深さを決めましょう。1か2くらいで良いと思います。 ③ユニットの数を決めましょう。2か3くらいで良いと思います。 ④再生ボタンを押して右下の画像の変遷を楽しみましょう。 見るべき結果どうでしょうか？機械がだんだんと図を理解してる様子が右下の図⑤の変遷で見て取れるで
深層学習 を 用いた 異常値検知 手法まとめ 〜 (Denosing) AutoEncoder, LSTM, TDA（Topological Data Analysis) + CNN - Qiita
オーソドックス な アプローチ（一般的手法） まず は、以下 が よくまとまっている。 株式会社クロスコンパス・インテリジェンス（2016.10.5）「NVIDIA GPU TECHNOLOGY CONFERENCE JAPAN 2016 Industry Deep Learning」 異常値予測 を 行う アプローチ としては、以下 が 一般的な考え方 の ようだ。 （データ量の多い）正常時のデータ挙動の特徴パターンを学ばせて、 新規データが上記の特徴パターンから乖離している場合を、異常とみなす 上記のアプローチをとる理由 は、「異常発生時のデータ」の取得可能件数 は、「正常時のデータ」 に 比べて、取得できるデータの件数 が 圧倒的に少ない から である。 上記のスライド で 挙げられている AutoEncoderモデル や LSTMモデル を 採用し、 AutoEncoderモデル
Deep Learning Applications - handong1587
Applications DeepFix: A Fully Convolutional Neural Network for predicting Human Eye Fixations arxiv: http://arxiv.org/abs/1510.02927 Some like it hot - visual guidance for preference prediction arxiv: http://arxiv.org/abs/1510.07867 demo: http://howhot.io/ Deep Learning Algorithms with Applications to Video Analytics for A Smart City: A Survey arxiv: http://arxiv.org/abs/1512.03131 Deep Relative A
DeepMind just published a mind blowing paper: PathNet.
Potentially describing what general artificial intelligence will look like. Sign up for our newsletter here. Since scientists started building and training neural networks, Transfer Learning has been the main bottleneck. Transfer Learning is the ability of an AI to learn from different tasks and apply its pre-learned knowledge to a completely new task. It is implicit that with this precedent knowl
Demitasse〜DNN高速化ライブラリを公開しました – Tech.D-ITlab | Denso IT Laboratory researcher's blog sites
どうも吉田悠一です． 弊社の近藤がNIPS2016のWorkshopで発表したDemitasseをオープンソースで公開します． “Satoshi Kondo, “Demitasse: SPMD Programing Implementation of Deep Neural Network Library for Mobile Devices”, ML Systems Workshop NIPS 2016 PDF” https://github.com/DensoITLab/Demitasse llvmとispcを使い，Deep Learningの計算を高速化します． Demitasseによれば，iOSデバイス上でもGPUを使わずに数百msecの時間で，Caffe Model Zooによる画像認識を実行することができます． ビルド方法は，githubのリポジトリのドキュメントに書いてありま
Chainerを用いた対話システムの実装【seq2seq】 - Qiita
はじめに 昨今，DNNs(Deep Neural Networks)の進歩が目覚ましくあらゆる分野で成功を収めています． 良く耳にするのは，画像分類や音声認識の分野ですが，対話システムも例外ではなくなりました． Pythonのライブラリ環境が充実しつつある今，DNNsを用いた対話システムの構築について簡単に紹介したいと思います． 対話システムのためのDNNsモデル 対話システムを構築するためのDNNsのモデルは大きく分けて2つあります． 大量の応答候補に対するランキング学習 -> 入力に対して応答候補文をそのまま選択 発話と応答のペアから，Encoder-Decoderモデルを学習．-> 入力に対して単語単位で応答発話生成 本記事では，後者のEncoder-Decoderモデルについて扱います． Chainerなどのライブラリが充実したおかげで，発話と応答のペアとなるデータさえあれば，誰で
Semantic Segmentationのサーベイ - takminの書きっぱなし備忘録 @はてなブログ
最近、Semantic Segmentationについて調べる機会がありました。 せっかくなので、公開します。 例に挙げた研究は、まだarXivのみに発表されたようなのは(Pix2Pixを除いて)あまりカバーされてません。（この後もう少し調べる予定） Semantic segmentation from Takuya Minagawa また、資料をアップロードしようしたまさに今日、PFNさんがDeep Learningを使った最新のセグメンテーション方法についての素晴らしいセミナーがあったので、この資料と合わせて見ると参考になると思います。この資料でカバーしていないUnet、SegNet、RefineNetなどについても解説されています。
Deep learning and the Schr\"odinger equation
We have trained a deep (convolutional) neural network to predict the ground-state energy of an electron in four classes of confining two-dimensional electrostatic potentials. On randomly generated potentials, for which there is no analytic form for either the potential or the ground-state energy, the neural network model was able to predict the ground-state energy to within chemical accuracy, with
Octopus genome holds clues to uncanny intelligence - Nature
Thank you for visiting nature.com. You are using a browser version with limited support for CSS. To obtain the best experience, we recommend you use a more up to date browser (or turn off compatibility mode in Internet Explorer). In the meantime, to ensure continued support, we are displaying the site without styles and JavaScript.
ディープラーニング研究の第一人者が語る最新のAI技術、最終目標は単一モデルでさまざまな質問に答えるAIの実現
セールスフォース・ドットコムは昨年12月、年次イベント「Salesforce World Tour 2016 Tokyo」を開催。その基調講演などに登壇するため、Salesforce.com, Inc. チーフサイエンティスト 兼 Salesforce Research所長のリチャード・ソーチャー氏が来日した。本稿では、同社のAI機能「Salesforce Einstein」の開発を主導し、自身もディープラーニング研究の第一人者である同氏に、最先端のAI研究やSalesforceでの研究活動について話を聞いた。なお、聞き手は、東京大学の学生時代にキュレーションサービス「グノシー」を開発した1人で、ディープラーニングに関する著書もある、株式会社情報医療 CTOの巣籠悠輔氏にお願いした。 リチャード・ソーチャー氏は、ディープラーニングの研究開発を行うMetaMind社の設立者 兼 CEO/CT
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
【50%OFF】Kindleストアで「プログラミング・IT技術書フェア」が開催中〜2月23日まで
GitHub - sandeepraju/ihradis-cnn-deblur: Image deblurring with Convolutional Neural Networks. Scripts & Neural network models available here
https://www.mathgram.xyz/entry/chainer/fcn
GitHub - DensoITLab/Demitasse: Demitasse: SPMD Programing Implementation of Deep Neural Network Library for Mobile Devices(NeurIPS2016WS)
Implement word2vec in Keras
Site unavailable
Amazon.co.jp: DeepLearningによる画像認識！: クラウドコンピューティングとオープンソースソフトウェアによるDeep Learningの実践: 電子書籍初心者の会: Digital Ebook Purchas
