ゼロから作る Deep Learning 読んだ - higepon bloghttps://www.coursera.org/learn/machine-learning を2周しているので NN の前提知識が合ったのでこの本はそれを補う形でとても良かった。とくに Gradient Descent の説明は分かりやすかった。 Coursera のコースでは CNN がなかったので CNN の説明が日本語でわかりやすく学べるのはありがたかった。 このレベルの内容が日本語で読めるのは本当に素晴らしいし、何より読みやすいのが○。
量子コンピュータが人工知能を加速する。を読んだら僕の世界が加速した話(後編) - PythonではじめるDeep learning
2017 - 01 - 24 量子コンピュータが人工知能を加速する。を読んだら僕の世界が加速した話(後編) シェアする Bookmark! Facebook Twitter Google+ Pocket おはようございます(ᵔᴥᵔ) まず初めに、読者登録してくださった方々ありがとうございます！(ᵔᴥᵔ) せっかくこんなにたくさん登録していただいたのに、全然更新できなくてすみません！ これからはできるだけちゃんと更新していくのでよろしくお願いします(ᵔᴥᵔ) ということで、さっそく本題に入りたいと思います。 目次 前編のまとめ 後編 人工知能の加速によって世界が変わる 量子の世界 日本は今後どうすればいいのか？ おわりに 前編のまとめ いきなり後編に入る前に、前編を読んでない方もいると思うのでこれまでの流れを軽くおさらいをしたいと思います。 まず、「D-wave」という謎のベンチャー企業によ
Short intro to C++ for Rust developers: Ownership and Borrowing
Today, there was a reddit post that asked what one needs to know when Going after C++ with Rust basics. I thought this was an interesting question to answer in a blog post and revive my blog. Since I got C++ job after learning Rust, I thought it would be interesting to write a summary how one would adapt to C++ with some prior Rust experience. I would assume the reader already knows C++ syntax and
Inside of Deep Learning （ディープラーニングの性能改善手法 一覧） - Qiita
このポストは Inside of Deep Learning あるいは深層学習は何を変えるのか から分割したものです。全体があまりに長くなってしまったので、改善手法についても別のページにしました。 DL（ディープラーニング）の性能を改善していくポイントを駆け足で見て行きましょう。 学習データの追加、改善 DLシステムの性能を上げるためにはためにはより沢山の学習データが必要と言われています。例えば下記の図は、顔のパーツやバスの認識について学習データを増やすほど性能が上がるとした論文のものです。 Do We Need More Training Data? 画像であれば左右、上下、および上下左右に反転させた画像を使ってどちらを向いていても正しく特徴を取れるようにしたり、あるいは少し拡大したりノイズを混ぜるなどしてデータを水増しする手法がよく使われます。ユニークなのは例えばCGを用いて画像を作成
Inside of Deep Learning （ディープラーニングの基本要素） - Qiita
通常は出力値を予測するだけですが、トレーニング中はこの予測結果をフィードバックします。入力データに対しての正解データ（教師データ）を用意してやり、損失関数という式を使って予測値が正解ととれだけ離れているかを計算します。 これを元に、現在のモデルをどのように修正すれば正解に近づく可能性が高いを計算します。これがオプティマイザです。損失値の勾配とオプティマイザによってネットワークがより強化され、この一連の流れがバックプロパゲーションです。 ネットワークはもともとはランダムの初期値を持っています。これが一度のバックプロパゲーションにより強化され、少しづつフォワードプロパゲーション、バックプロパゲーションを繰り返していく事でシステム内の初期値（パラメータ）が学習していきます。 モデル、伝達関数 モデル内の実際の計算を見てみましょう。簡便のため一つのレイヤーの局所的な計算を図解します。 x1からx4
ドローンや自動走行車などの「頭脳」を開発するNeurala、1400万ドルを調達 - BRIDGE（ブリッジ）
上：マサチューセッツ州ケンブリッジの道路にて。自動的に歩行者、自動車、自転車、トラックを検知する。（Image Credit: Neurala） 上：マサチューセッツ州ケンブリッジの道路にて。自動的に歩行者、自動車、自転車、トラックを検知する。（Image Credit: Neurala） 人工知能をドローン、ロボット、自動車、一般家電に対して提供するソフトウェア・サービスを開発するNeuralaが、1400万ドルのシリーズAラウンドを調達したことを発表した。今回のラウンドを主導したのはPelion Venturesで、Sherpa Capital、Motorola Ventures、360 Capital Partners、Draper Associates Investments、SK Ventures、Idinvest Partnersも投資に参加している。 2006年に創業して以来
Stanford University: Tensorflow for Deep Learning Research
No class on Friday, Feb 2. See syllabus. For the last year's website, visit here TensorFlow is a powerful open-source software library for machine learning developed by researchers at Google. It has many pre-built functions to ease the task of building different neural networks. TensorFlow allows distribution of computation across different computers, as well as multiple CPUs and GPUs within a sin
Designing Neural Network Architectures using Reinforcement Learning
At present, designing convolutional neural network (CNN) architectures requires both human expertise and labor. New architectures are handcrafted by careful experimentation or modified from a handful of existing networks. We introduce MetaQNN, a meta-modeling algorithm based on reinforcement learning to automatically generate high-performing CNN architectures for a given learning task. The learnin
Tutorial: Deep Learning in PyTorch - i am trask
An Unofficial Startup Guide. Posted by iamtrask on January 15, 2017 EDIT: A complete revamp of PyTorch was released today (Jan 18, 2017), making this blogpost a bit obselete. I will update this post with a new Quickstart Guide soon, but for now you should check out their documentation.</a> This Blogpost Will Cover: Part 1: PyTorch Installation Part 2: Matrices and Linear Algebra in PyTorch Part 3:
An OpenCL(TM) Deep Learning Accelerator on Arria 10
Convolutional neural nets (CNNs) have become a practical means to perform vision tasks, particularly in the area of image classification. FPGAs are well known to be able to perform convolutions efficiently, however, most recent efforts to run CNNs on FPGAs have shown limited advantages over other devices such as GPUs. Previous approaches on FPGAs have often been memory bound due to the limited ext
MacでのChainerインストールに必要なものの説明とまとめ - Qiita
Deleted articles cannot be recovered. Draft of this article would be also deleted. Are you sure you want to delete this article? この記事は、人工知能（Chainer/TensorFlow/CSLAIER）のためのpython環境構築の続きの記事です。 #目次 1.記事の目的 2.筆者の開発環境 3.インストール時の注意点 4.Chainerのインストール #記事の目的 この記事では、日本で人気のある人工知能ライブラリであるChainerをインストールします。自分でインストールしてみて、わからないことがたくさんあったので調べたことをまとめてみました。これから、Chainerをインストールする方の参考になれば幸いです。 #筆者の開発環境 ・MacBook Pro (
Recent Advances in Convolutional Neural Networks
In the last few years, deep learning has led to very good performance on a variety of problems, such as visual recognition, speech recognition and natural language processing. Among different types of deep neural networks, convolutional neural networks have been most extensively studied. Leveraging on the rapid growth in the amount of the annotated data and the great improvements in the strengths
2016年Chainerアドベントカレンダーのまとめ - Preferred Networks Research & Development
2016年12月1日〜12月25日の間、Chainerアドベントカレンダー2016がQiita上で開催されました。記事をご投稿下さった皆様、どうもありがとうございました。皆様のおかげで無事全てのスロットが埋まりました。この記事では、どのような投稿が集まったかを簡単に分野別にまとめました。 botに持っていかれやすい記事の冒頭を避け、ここで突然自己紹介をはさみます。初めまして、齋藤俊太と申します。専門はComputer Visionで、昨年9月にPreferred Networksに入社しました。現在は応用を中心とした研究および、Chainerの開発・普及といったことに取り組んでいます。 For English speakers, there is a summarization of all articles by corochann: English summary of “Chaine
Functional Programing in Javascript
Lifelong Learning Learning is not a product of schooling but the lifelong attempt to acquire it. Introduction Recently I went through this fascinating article Professor Frisby’s mostly adequate guide to Functional Programming and would like to summarise my understanding in this post. f(x) In imperative programming, you get things done by giving the computer a sequence of tasks and then it executes
PyTorch
Join us at PyTorch Conference in San Francisco, October 22-23. CFP open now! Learn more. Learn Get Started Run PyTorch locally or get started quickly with one of the supported cloud platforms Tutorials Whats new in PyTorch tutorials Learn the Basics Familiarize yourself with PyTorch concepts and modules PyTorch Recipes Bite-size, ready-to-deploy PyTorch code examples Intro to PyTorch - YouTube Ser
10年弱勤めたKDDI/KDDI研究所を退職しました - yu4uの日記
2017年1月15日付で10年弱勤めたKDDI/KDDI研究所を退職しました。 2007年4月入社だったので、あと3ヶ月でちょうど10年でした。 退職エントリー、読む側としては好きだったのですが、まさか自分が書くことになるとは思いませんでした。 なお、内容は思い出を振り返るチラ裏です。ポエムです。円満退社だと思っているので、残念ながら（？）旧所属をディスる内容とか過激表現は含まれません。 入社〜研修時代 研究所志望で新卒入社しましたが、KDDIは新卒で直接研究所採用をするルートはなく、どこに配属されるかは基本的に確約されません。 1ヶ月の全体研修の後、7月まで色々な部署で研修がありましたが、その中で、2ヶ月弱auショップで働くというなかなか貴重な経験をしました。その時は自分が使っていたW51CAをひたすらオススメして売ってました。 学生時代はネトゲ廃人でコミュ障だった私ですが、コミュ強な同
Recognizing Traffic Lights With Deep Learning
By David Brailovsky How I learned deep learning in 10 weeks and won $5,000 I recently won first place in the Nexar Traffic Light Recognition Challenge, computer vision competition organized by a company that’s building an AI dash cam app. In this post, I’ll describe the solution I used. I’ll also explore approaches that did and did not work in my effort to improve my model. Don’t worry — you don’t
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
Adit Deshpande – Engineering at Forward | UCLA CS '19
Variational Inference using Implicit Models, Part I: Bayesian Logistic Regression
ディープラーニングやAIの活用方法が示された「NVIDIA Deep Learning Institute 2017」レポート
