Beating Atari with Natural Language Guided Reinforcement Learning
We introduce the first deep reinforcement learning agent that learns to beat Atari games with the aid of natural language instructions. The agent uses a multimodal embedding between environment observations and natural language to self-monitor progress through a list of English instructions, granting itself reward for completing instructions in addition to increasing the game score. Our agent sign
Caffe2: A New, Open-Source Deep Learning Framework From Facebook - Phoronix
Caffe2: A New, Open-Source Deep Learning Framework From Facebook Written by Michael Larabel in Free Software on 18 April 2017 at 02:40 PM EDT. 21 Comments Facebook just announced Caffe2, a new deep learning framework developed in cooperation with NVIDIA and other vendors. Facebook announced minutes ago from their F8 developer conference Caffe2 as a new open-source framework for deep learning. Caff
Deep Learning - an Introduction for Ruby Developers
Deep learning is exploding in popularity these days, powering everything from photo tagging to self driving cars – and you don’t need to hire a data sci…
AIは医療分野にどのような変化をもたらすか - Preferred Networks Research & Development
AIの分野で深層学習を中心とした大きな変革が起きているのと同時に、バイオテクノロジーの分野でもゲノムシーケンサやゲノム編集など革新的な科学技術が登場しています。 この二つの革命を融合させて生命の仕組みを理解し、未来の医療へとつなげていく動きが世界中に起きています。こうした動きを俯瞰した上で、私達がAIの技術を医療分野にどのように活用していくかについて以下の特集記事で述べています。基本的に、生体メカニズムはとても複雑であり、人間が全ての生命現象を正確に把握するのは困難です。バイオテクノロジーとAIの力を組み合わせることで、解明を進められると考えています。是非ご覧いただき、ご意見などいただければと思います。 「AIは医療分野にどのような変化をもたらすか」 岡野原 大輔、大田 信行 国際医薬品情報 2017年2月27日 第1076号 潮流 [pdf] （発行元の国際商業出版株式会社様に転載許諾を
#機械学習名古屋 勉強会用の Dockerイメージ 解説 - Qiita
これで Jupyter notebook が起動するので、ブラウザで http://localhost:8888/tree/mlnsc/ を開いてください23。 以下のような表示になればOKです4。 補足 最初に docker.run〜 を実行するとき、DockerHub からビルド済の Dockerイメージ のダウンロードが始まります。ネットワーク回線状況により数十秒〜数分かかることがあります。2回目以降はダウンロード済のイメージが利用されるので、即座にコンテナが起動します。 なお、Dockerイメージは自動更新はされません。「Dockerイメージ修正したので更新してください」とアナウンスがあった際は、（実行中のコンテナを終了させた上で）docker pull antimon2/mlnsc-dlscratch を実行して Dockerイメージ を再ダウンロードしてください。 Q&A 想定
Best Practices for Applying Deep Learning to Novel Applications
1 Version 1.0 2/27/17 Best Practices for Applying Deep Learning to Novel Applications Leslie N. Smith Navy Center for Applied Research in Artificial Intelligence U.S. Naval Research Laboratory, Code 5514 Washington, DC 20375 leslie.smith@nrl.navy.mil ABSTRACT This report is targeted to groups who are subject matter experts in their application but deep learning novices. It contains practical advi
ECSでGPUを扱うためのAMI作成 by Amazon Linux Deep Learning AMI - Qiita
結論 ここ見れば一発だった http://docs.aws.amazon.com/ja_jp/batch/latest/userguide/batch-gpu-ami.html 概要 scriptとかは変更があるかもしれないので転記しません。上記URLを参照してください。 以下の項番は上記URLの番号と合わせています。 Amazon Linux Deep Learning AMIを起動する 2. 強いて言うならp2で立ち上げた方が楽しい 3. でも高いからSpotInstanceを使おう。マーケットプレイスの画面から進むとSpotInstanceが選択出来た SSHで接続する URL内のconfigure-gpu.shを作成する configure-gpu.shを実行する（結構待つ） Dockerコンテナを実行して、インストールされているドライバにアクセスできることを確認する（以下のような
Deep Reinforcement Learning-based Image Captioning with Embedding Reward
Image captioning is a challenging problem owing to the complexity in understanding the image content and diverse ways of describing it in natural language. Recent advances in deep neural networks have substantially improved the performance of this task. Most state-of-the-art approaches follow an encoder-decoder framework, which generates captions using a sequential recurrent prediction model. Howe
FPGAでDeep Learningしてみる - きゅうりを選果する - Qiita
はじめに 先日、FPGAでDeep Learningしてみるという記事で、PYNQやBNN-PYNQについて書きました。前回の記事では、PYNQ-Z1 Boardという比較的安価なFPGAボードの紹介と、あらかじめ準備されたデモ(Cifar10)の実行までを行いました。そこで今回は、あらかじめ準備されたデモから少し発展して、きゅうりの選果を行ってみます。 事前説明 BNN-PYNQをカスタムするには 前回の記事にも書きましたが、Deep Learningは、大きく学習と推論で構成されます。BNN-PYNQでは、推論のみが実装されています（学習はCPU/GPUで実施する必要があります）。そのため、BNN-PYNQをカスタムするということは、学習にあわせて、推論のネットワーク構造やパラメーターを変更することになります。 前回のCifar10を例に取ると、BNN-PYNQでは、下記の流れでJup
About AWS
Since launching in 2006, Amazon Web Services has been providing world-leading cloud technologies that help any organization and any individual build solutions to transform industries, communities, and lives for the better. As part of Amazon, we strive to be Earth’s most customer-centric company. We work backwards from our customers’ problems to provide them with cloud infrastructure that meets the
Facebook open sources Caffe2, its flexible deep learning framework of choice | TechCrunch
Facebook open sources Caffe2, its flexible deep learning framework of choice Today Facebook open sourced Caffe2. The deep learning framework follows in the steps of the original Caffe, a project started at the University of California, Berkeley. Caffe2 offers developers greater flexibility for building high-performance products that deploy efficiently. This isn’t the first time that Facebook has e
Beyond Face Rotation: Global and Local Perception GAN for Photorealistic and Identity Preserving Frontal View Synthesis
Photorealistic frontal view synthesis from a single face image has a wide range of applications in the field of face recognition. Although data-driven deep learning methods have been proposed to address this problem by seeking solutions from ample face data, this problem is still challenging because it is intrinsically ill-posed. This paper proposes a Two-Pathway Generative Adversarial Network (TP
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
https://qiita.com/sakiyamaK/items/35a385d3b72ce8425ebb
「ロボットカー」は目指さない──Audiが描く自動運転の未来図｜WIRED.jp
マイクロソフト副社長が語るプログラミング教育、「導入期には失敗もあり得る」 「教師・生徒がともに試行錯誤していく中で成果を」
GitHub - leopiney/deep-forest: An on going implementation of the gcForest algorithm
Caffe2
TechCrunch | Startup and Technology News
GitHub - rlcode/reinforcement-learning: Minimal and Clean Reinforcement Learning Examples
TechRepublic: News, Tips & Advice for Technology Professionals
