GitHub - gluon-api/gluon-api: A clear, concise, simple yet powerful and efficient API for deep learning.
The Gluon API specification is an effort to improve speed, flexibility, and accessibility of deep learning technology for all developers, regardless of their deep learning framework of choice. The Gluon API offers a flexible interface that simplifies the process of prototyping, building, and training deep learning models without sacrificing training speed. It offers four distinct advantages: Simpl
MXNet API入門 パート1 | POSTD
(注：2017/06/16、いただいたフィードバックを元に翻訳を修正いたしました。) MXNetチュートリアル このシリーズでは、 MXnet 深層学習ライブラリの概要をまとめていきます。主な機能やPython API(もっとも選択しやすいと思います)について説明します。それからMXNetチュートリアルやオンラインで提供されているノートブックを探究してみましょう。うまくいけば、なんとかコードの1行1行を理解出来るようになるでしょう。 MXNetの理論的根拠やアーキテクチャについて学びたい方は、ぜひ『 MXNet: A Flexible and Efficient Machine Learning Library for Heterogeneous Distributed Systems(MXNet: ヘテロジニアス分散システムのための柔軟で効率的な機械学習ライブラリ) 』という 論文 をお
mxnetで頑張る深層学習
6. 多層パーセプトロン • irisデータでやってみる Sepal. Length Sepal. Width Petal. Length Petal. Width Species 5.1 3.5 1.4 0.2 setosa 4.9 3.0 1.4 0.2 setosa 4.7 3.2 1.3 0.2 setosa 4.6 3.1 1.5 0.2 setosa sepal petal setosa, versicolor, virginicaの各品種に50行ずつあるデータセット 7. 多層パーセプトロン • 学習⽤と検証⽤にデータを分割 > data(iris) > # 奇数⾏を学習⽤データ、偶数⾏を検証⽤データとする > train.ind <- seq(1, nrow(iris), 2) > > train.x <- data.matrix(iris[train.ind, 1:4])
Deep Learningで遊ぶ(1): テニス四大大会データセット（追記あり: 正規化した場合の検証） - 渋谷駅前で働くデータサイエンティストのブログ
MXnet / Kerasが本格的に普及してきたことで、いよいよ「誰でも（割と）気軽にDeep Learningを実践できる」時代になってきましたね、という話を前回の記事では一通りやってみました。 ということで、これからしばらく「気軽に実践できるようになったけど実際問題Deep Learningってどうなん？」というのを色々サンプルデータセットを替えて学習＆予測の挙動を見ることで、その実態を体感してみようという技術ネタシリーズをダラダラやってみようかと思います。 フレームワークはMXnet / Kerasどちらでも良いつもりですが、単に自分の環境でのお手軽さを優先して基本的にMXnetで統一しようと思います。リクエストがあればKerasでの実行例も後から追記するようにしますので、どうしてもKerasでどう回すか分からない！という方はコメント欄なりでご一報ください。 追記部分について 非常に
KerasをTensorFlowバックエンドで試してみた：「もっと多くの人に機械学習とDeep Learningを」という時代の幕開け - 渋谷駅前で働くデータサイエンティストのブログ
（左：Keras、右：MXnet） Kaggle Masterの間ではMXnetよりさらに人気なDeep Learningフレームワークというかラッパーが、@fchollet氏の手によるKeras。 Keras Documentation 結構苦心したのですが、ようやく手元のPython環境で走るようになったので、試してみました。なおKerasの概要と全体像についてはid:aidiaryさんが詳細な解説を書いて下さっているので、そちらの方を是非お読み下さい。 追記 Kerasは人気のフレームワークなので、僕なんぞがこんなブログ記事を書く前から素晴らしい紹介記事・スクリプトが幾つもあります。こちらでは参考までに以下のお二方のものをご紹介させていただきます。 Kerasはレゴブロックを組み合わせるかのようにして、簡単にディープラーニングのモデルを作成できる便利なライブラリです。これを使って楽し
Deep Learningライブラリ「MXNet」のR版をKaggle Otto Challengeで実践してみた - Think more, try less
最近、Kagglerの間で話題となっていたDeep Learningのライブラリ「MXNet」のRパッケージ{mxnet}についてTJOさんよりご紹介がありました。 tjo.hatenablog.com 多くの方がこのブログで初めて{mxnet}を知った、もしくはあまり触れてこなかったが久々に使ってみようという段階かもしれませんが、私をはじめ多くのKagglerはすでに{mxnet}を多少なり使用していることもあり、下記のように解説記事の書くようにと無茶ぶりを頂きましたので、私からもご紹介させて頂きたいと思います。 @Keiku いえいえ、Keikuさんの記事楽しみにしております！（Kaggle masterはデータ分析者の憧れですよ〜）— TJO (@TJO_datasci) 2016年3月29日 TJOさんの解説記事では、Deep Learningの代表的な事例でもある「Convolu
Deep Learningライブラリ{mxnet}のR版でConvolutional Neural Networkをサクッと試してみた（追記3件あり） - 渋谷駅前で働くデータサイエンティストのブログ
For non-native Japanese speakers: English version is below. ちょっと前から色々なところでちらほら名前を聞くなぁと思っていたMXnet。どうやらKagglerの間では急速に人気が高まっているようで、最近になってだいぶバグフィックスが進んだらしいというので僕もインストールしてみることにしました。 もうこれはご覧の通りで、あのXgboostも配布しているDMLCが出したものです。既にソースもドキュメントもかなり整備が進んでいて、ImageNetの学習済みモデルも配布されているようです。ということで、早速ちょっと触ってみようと思います。 Convolutional Neural Network (CNN)とは 言うまでもないことだとは思いますが、Convolutional Neural Network (CNN)という手法自体はDeep
1
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
Large Scale Jirou Classification - ディープラーニングによるラーメン二郎全店舗識別
Image recognition tutorial in R using deep convolutional neural networks (MXNet package) | R-bloggers