MNISTを認識するニューラルネットワークの画像化 - Qiita
ニューラルネットワークによる手書き数字認識について、各ノードへの元画像の影響を視覚化します。 アルゴリズム 【注】適当に思い付いたアルゴリズムです。どの程度正確に影響度が測れるかは未検証です。 比較の基準としてピクセルがすべて0のソースで各ノードの値を計算します。 評価対象とする画像を用意します。1ピクセルだけソースに入れて各ノードの値を計算して、すべて0のときと値を比較します。これをすべてのピクセルに対して行ったものを、ノードごとに特定のピクセルが与える影響とします。 これを画像化することで、視覚的に影響を見ることができます。 準備 『ゼロから作るDeep Learning』のサンプルを使います。 https://github.com/oreilly-japan/deep-learning-from-scratch 初回実行時にMNIST（手書き数字のデータ）をダウンロードするようになっ
TensorFire
TensorFire is a framework for running neural networks in the browser, accelerated by WebGL. Applications powered by TensorFire can utilize deep learning in almost any modern web browser with no setup or installation. TensorFire models run up to 100x faster than previous in-browser neural network libraries, at speeds comparable to highly-optimized native CPU code. TensorFire has two parts: a low-le
Creatism: A deep-learning photographer capable of creating professional work
Machine-learning excels in many areas with well-defined goals. However, a clear goal is usually not available in art forms, such as photography. The success of a photograph is measured by its aesthetic value, a very subjective concept. This adds to the challenge for a machine learning approach. We introduce Creatism, a deep-learning system for artistic content creation. In our system, we break dow
ShuffleNet: An Extremely Efficient Convolutional Neural Network for Mobile Devices
We introduce an extremely computation-efficient CNN architecture named ShuffleNet, which is designed specially for mobile devices with very limited computing power (e.g., 10-150 MFLOPs). The new architecture utilizes two new operations, pointwise group convolution and channel shuffle, to greatly reduce computation cost while maintaining accuracy. Experiments on ImageNet classification and MS COCO
Rails 5.1 API with Vue.js frontend, part 4: Authentication and authorization
Rails 5.1 API with Vue.js frontend, part 4: Authentication and authorization Time to deal with authenticating users in our bookstore application. This is an onging series of articles. It’s highly recommended you start with part 0! What is token authentication? “And why do we even need it?” are two questions you might be asking yourself right now. You’re probably familiar how a simple authenticatio
人工知能に関するメモ
どうもジャングルオーシャンのミケです。 最近IT界隈で流行っている人工知能のメモをしていく随時更新ページ Tensor Flow Google www.tensorflow.org jp.techcrunch.com Caffe BAIR Caffe | Deep Learning Framework jp.techcrunch.com Chainer Preferred Networks Chainer: A flexible framework for neural networks Alexa Amazon amazon Developer Theano Welcome — Theano 0.9.0 documentation Watson IBM www.ibm.com それじゃ今日はこの辺で！ また来てね！
Lua版 ゼロから作るDeep Learning その１６［単純なレイヤの実装］ - Qiita
--Copyright (C) 2017 Kazuki Nakamae --Released under MIT License --license available in LICENSE file --- MulLayerクラス（オブジェクト） -- 乗算レイヤを実装 MulLayer={} MulLayer.new = function() local obj = {} --メンバ変数 obj.x = nil obj.y = nil -- @function self.forward() -- 順伝搬 -- @param x 入力１{Type:number} -- @param x 入力２{Type:number} -- @return 乗算結果{Type:number} obj.forward = function(self, x, y) self.x = x self.y = y
Lua版 ゼロから作るDeep Learning その１４［二層ニューラルネットワークの実装］ - Qiita
--Copyright (C) 2017 Kazuki Nakamae --Released under MIT License --license available in LICENSE file common = require './common' --[[***クラスの定義*******************************************************************]] --- simpleNetクラス（オブジェクト） -- 単純なニューラルネットワークを生成する -- @param input_size 入力層のニューロン数{Type:Tensor} -- @param hidden_size 隠れ層内のニューロン数{Type:Tensor} -- @param output_size 出力層のニューロン数{Type:Tensor} Tw
MXNetをAmazon Deep Learning AMIとスポットインスタンスのGPUで試してみる | DevelopersIO
はじめに ディープラーニングフレームワークであるMXNetを、Amazon Deep Learning AMIとGPUインスタンスで試してみました。あらかじめ用意されているAMIを使うことで、インストール作業を全くすること無しに、すぐに動作させることができます。ディープラーニングに必須アイテムとも言えるGPUですが、スポットインスタンスを使えばお安く試すことができます。 Deep Learning AMI GPUを使ったディープラーニングをすぐに使えるようにするDeep Learning AMIが提供されています。以下のように、たくさんのディープラーニングフレームワークがあらかじめインストール済みとなっています。 MXNet Caffe Caffe2 TensorFlow Theano CNTK Torch Keras これらのフレームワークに加えて、GPUを使うためのCuda関連のドライ
ディープラーニングの実社会での活用を推進ーDeep Learning Labキックオフセミナー
ディープラーニングに関する開発事例や最新技術動向を発信するコミュニティ「Deep Learning Lab」は、都内でコミュニティのキックオフイベントを実施した。開催に先立ち日本マイクロソフトの新井氏が登壇、コミュニティ発足の背景となったPreferred Networks社（以降、PFN）との戦略的協業に触れ、「人工知能や深層学習の実社会での活用を推進していく、この分野でもパブリッククラウドが活用できるようになってきた」と抱負を述べた。 PFNとマイクロソフトの提携が意味するもの イベント冒頭では、株式会社Preferred Networks 取締役 最高執行責任者 COOの長谷川 順一氏が登壇。PFNは、その前身である検索エンジンや自然言語処理を手がけるPreferred Infrastructureから2014年にスピンアウトした、IoTとAIで大規模なデータ解析を行うスタートアップ
What's next after deep learning?
Answer (1 of 22): There is a long long way to go from here. Deep Learning is not based on an elegant theory. It just involves a series of gradient calculations done over and over again until you reach a satisfactory point of convergence. It is simply because deep learning gives us a very low erro...
2017年 PFN夏季インターンシップのコーディング課題公開 - Preferred Networks Research & Development
* English blog is also written here. PFNでは毎年8、9月に学生の方を対象とした2カ月間の長期インターンシップを実施しています。 今年も2017年のPFN 夏季インターンを募集したところ多数の応募をいただき、先日無事に選考が終了しました。 ・PFN 2017夏季 インターン募集 それに伴い、今回PFNのインターンコーディング課題をgithub上で公開しました。 https://github.com/pfnet/intern-coding-tasks PFN自身、現在拡大中ということもあり、様々な専門性を持つ社員が集まってきています。社内でインターン実施テーマの候補だしをした結果、様々なテーマ案があがったため、今年度は機械学習分野のみならず、フロントエンド・バックエンド・チップ開発分野と範囲を広げて募集を行いました。 今回、インターンの募集に当たって、オ
Magic Leap、深層畳み込みニューラルネットワークによって駆動するSLAMトラッキング・アルゴリズム「Deep SLAM」を論文にて公開。「Deep-Learningを搭載したSLAMを大規模に展開する日は遠くない」
Magic Leap、深層畳み込みニューラルネットワークによって駆動するSLAMトラッキング・アルゴリズム「Deep SLAM」を論文にて公開。「Deep-Learningを搭載したSLAMを大規模に展開する日は遠くない」 2017-07-27 総額22億ドル以上を資金調達している米国のARスタートアップ「Magic Leap」の研究者は、深層畳み込みニューラルネットワークによって駆動するSLAMトラッキング・アルゴリズム「Deep SLAM」について記述した論文を公開しました。 Toward Geometric Deep SLAM（PDF） Magic Leapの研究者であるDaniel DeTone氏、Tomasz Malisiewicz氏、Andrew Rabinovich氏によって作成されたこの論文は、機械学習を使用し自己位置推定と環境地図作成を同時に行う「SLAM（Simulta
Neuroevolution: A different kind of deep learning
Check out the session, "Sooner Than You Think: Neural Interfaces Are Finally Here," at the Artificial Intelligence Conference in New York, April 15-18, 2019. Best price ends January 25. Neuroevolution is making a comeback. Prominent artificial intelligence labs and researchers are experimenting with it, a string of new successes have bolstered enthusiasm, and new opportunities for impact in deep l
Core ML vs MPS vs BNNS #fincwwdc - その後のその後
昨日FiNCさんのオフィスで開催された「WWDC2017振り返り勉強会」で『Core ML vs MPS vs BNNS』というタイトルでLTしてきました。 iOS 11で追加されたCore MLが非常に注目を集めていますが、「既存の機械学習フレームワークを使って学習させたモデル（のパラメータ）をiOS側に持ってきて推論を実行する」ということ自体はiOS 10からあって、そこに不便さがあったので広まらず、Core MLでやっと使われるようになった、という側面はもちろんありつつも、いややはりそれでも単にそういうことがiOS 10できるようになったということ自体が知られていなかっただけなのではと。 それにしてもCoreMLはこんなに話題になるのに、なぜMPSCNN（MPS）はあんまり盛り上がらなかったのか。「iOS側でのネットワーク実装とかモデル持ってくるのとか色々面倒」というCoreMLで改
箱根でデータ分析部開発合宿をしました（小田原・箱根おすすめグルメ情報付き） - Gunosyデータ分析ブログ
こんにちは、データ分析部の久保です。 データ分析部では四半期に一度ぐらい開発合宿を行っています。 参加は任意でもちろん業務としてカウントされます。 合宿編 今回の合宿場所は以前も使用したAirbnbのこちらの部屋を使いました。 www.airbnb.jp ホストのErikoさんも丁寧に対応してくれるし、部屋はとてもきれいで8~10人の宿泊にはかなり快適です。 ただ1点備え付けのwifiにつながりにくいという欠点があったので、今回は予めwifiレンタルをしていくことにしました。 【国内用】当日発送で高速WiFiをレンタル | WiFi東京RENTALSHOP 初日のチェックイン時刻までは途中小田原に立ち寄って、小田原の商工会議所の会議室を借りて各自作業しました。 今回各自が取り組んだテーマはいくつか例をあげると下のようなものでした - 「テキストアナリティクスシンポジウムでの発表に向けた実験
深層強化学習の動向 / survey of deep reinforcement learning
全脳アーキテクチャ若手の会第28回勉強会 Keywords: DQN, 強化学習, Episodic Control, Curiosity-driven Exploration
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
tf.nn.dynamic_rnnでDynamic Recurrent Neural Network - Qiita
TechCrunch | Startup and Technology News
TechCrunch | Startup and Technology News