GitHub - leopiney/deep-forest: An on going implementation of the gcForest algorithmYou signed in with another tab or window. Reload to refresh your session. You signed out in another tab or window. Reload to refresh your session. You switched accounts on another tab or window. Reload to refresh your session. Dismiss alert
AIは医療分野にどのような変化をもたらすか - Preferred Networks Tech Blog
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
Deep Learning AMI for Ubuntu v1.3_Apr2017 now Supports Caffe2 - AWS
Deep Learning AMI for Ubuntu v1.3_Apr2017 now Supports Caffe2 You can now use Caffe2 with the AWS Deep Learning AMI for Ubuntu, available on the AWS Marketplace. The addition of Caffe2, a project led by Facebook, allows developers another choice of deep learning frameworks on the AWS platform. To learn more about Caffe2, you can check out the GitHub repository. The Deep Learning AMI v1.3_Apr2017 f
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
Deep learning for satellite imagery via image segmentation - deepsense.ai
We resized and aligned 16-band channels to match those from 3-band channels. Alignment was necessary to remove shifts between channels. Finally all channels were concatenated into single 20-channels input image. Model Our fully convolutional model was inspired by the family of U-Net architectures, where low-level feature maps are combined with higher-level ones, which enables precise localization.
Masanori Kusunoki / 楠 正憲 on Twitter: "Deep Learningは潤沢な計算資源とデータがないと勝負にならない。人を育てても国内に雇用がなければ上澄みをBig Giantに吸い上げられるだけ。国は開発ガイドラインとか民の足を引っ張る前に、データもエンジニアも活かせない… https://t.co/tw3f02YdJI"
Deep Learningは潤沢な計算資源とデータがないと勝負にならない。人を育てても国内に雇用がなければ上澄みをBig Giantに吸い上げられるだけ。国は開発ガイドラインとか民の足を引っ張る前に、データもエンジニアも活かせない… https://t.co/tw3f02YdJI
Googleが新たな機械学習手法をテスト中、クラウドではなくスマホ上で学習実施 | AI4U
最近の株式市場もAIブーム。その中で最も注目されている銘柄が米半導体メーカーNVIDIA（エヌビディア）。同社の株価もすごいことになっているが、最近では同社と提携する企業の株価も高騰する傾向にある（関連記事：AI相場“中核”、ＮＶＩＤＩＡ関連の「神通力」）。 果たしてNVIDIAは、このままAI時代の覇者として逃げ切ることになるのだろうか。日本法人のDeep Learning部長の井崎武士さんにお話を聞いた。（ITジャーナリスト・湯川鶴章） 2000個のCPUの計算を12個のGPUで実現 そもそもNVIDIAって、いつAI企業になったのだろう。ゲーム用半導体のメーカーと認識していたのは僕だけじゃないはず。 世界中のAIの研究者がNVIDIAのGPU（Graphics Processing Unit）に注目したのは2012年といわれる。Googleが2000個のCPU（Central Pro
Alexa Skill KitでAmazonが用意したBuilt-In IntentとBuilt-In Slot Typeをひたすらまとめてみる | DevelopersIO
惜春の候, 春風の心地よい季節になりましたが、お変わりなくお過ごしでしょうか、せーのです。今日はAlexaでスキルを作る時に見落としがちなスタンダードセットをまとめます。 Intent, Slot, Utteranceのおさらい AlexaでCustom Skillを作る時、一番大事なのはこの画面です。 ここでEchoなどのAlexa製品に話しかけられた言葉を分析してバックエンドのLambdaが処理しやすいようにJSON形式にまとめる為の設定を行っています。 どのIntentに振り分けるか、をSample Utteranceで定義し、その中でLambda内で変数として必要なフレーズをSlotとして抽出します。 例えば「Alexa, 昨日の日ハム戦の結果を教えて」というフレーズをLambdaに送って野球の結果を教えるようなSkillを作る場合大事なのは、 このフレーズを言ったら野球の結果を教
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
Caffe2
TechCrunch | Startup and Technology News
GitHub - rlcode/reinforcement-learning: Minimal and Clean Reinforcement Learning Examples
TechRepublic: News, Tips & Advice for Technology Professionals
deep learning にも使える scikit-learn の概要と便利な機能 - Qiita
Redirect