巨人たちが語るディープラーニングの未来（翻訳記事） - Preferred Networks Research & Development
比戸です。スムージーの美味しい季節ですね。 今回は「ディープラーニングの未来」というパネルディスカッションに関するブログの翻訳をお送りします。この業界の有名人が多数参加していて、とても興味深い内容だったため、日本のコミュニティでも共有できたらと思ったのです。 それは2015年7月に開かれた機械学習の国際会議・ICML内のDeep Learning Workshopの企画でした。元記事はワークショップ主催者のKyunghyun Cho氏のBrief Summary of the Panel Discussion at DL Workshop @ICML 2015です。ご本人の許可を得られたので、以下に日本語訳を掲載します。なるべく原文に忠実に訳したつもりですが、分かりづらい部分は意訳が入っているため、もし誤りがあればご指摘下さい。 — ここから翻訳 <はじめに> ICML 2015で開かれた
pylearn2 & torch7 のAWS Imageを作成しました | Deep Learning JP
Pylearn2とTorch7の環境を整備したAmazon AWSのイメージを作成しました。以下の要領で自分の環境として利用できます。 注意）AWSの無料枠で動作したという報告もありますが、問題が発生することが多いので有料枠に切り替えておくことを勧めします。その他、よく発生する問題をQAページにまとめましたので、ご確認ください。 AWS コンソールにログインする 以下のURLにアクセスすると、AWSイメージを自分のコンソールで起動するための画面が表示される https://console.aws.amazon.com/ec2/v2/home?region=ap-northeast-1#LaunchInstanceWizard:ami=ami-28e04e28 インスタンスのタイプはc3.largeを選択して起動する * microではサンプル程度の規模のコードでもメモリ不足になります *
Convolutional Neural Network @ CV勉強会関東
2. 第23回 コンピュータビジョン勉強会＠関東 自己紹介 ★ 加賀谷 北斗(@hokkun_cv / @Fried_garlicHKT) ★ 東京大学大学院学際情報学府学際情報学専攻先端表現情報学コース ! ★ 卒論：食事画像認識／検出 ★ Interest of research：機械学習，一般物体認識，Deep Learning ! ★ @ketsumedo_yarou先輩の紹介で参加させていただきます 2 3. 第23回 コンピュータビジョン勉強会＠関東 アウトライン 1. Introduction to Convolutional Neural Network 2. The Detail of Conventional CNN Techniques 3. Other Topic 4. Implementation 3 4. 第23回 コンピュータビジョン勉強会＠関東 アウトライン
Deep Learningと画像認識� �～歴史・理論・実践～
1. Nakayama Lab. Machine Perception Group The University of Tokyo 東京大学 大学院情報理工学系研究科 創造情報学専攻 中山研究室 中山 英樹 2. Nakayama Lab. Machine Perception Group The University of Tokyo １．Deep learning（深層学習）とは？ ２．一般画像認識：Deep learning 以前と以後で何が変わったか ◦ Bag-of-visual-words (VLAD, Fisher Vector) ◦ Convolutional neural network (ConvNets) ３．Deep learningの数理 ◦ なぜ優れた性能が実現できるのか？ ◦ ブレークスルーを生んだ各要素技術 ◦ 中山研究室での研究紹介 ４．実
ディープラーニングを使ったイメージの切り抜き | カメリオ開発者ブログ
こんにちは、シバタアキラです。この度PyDataの本家であるアメリカのコミュニティーで半年に一度開催されているPyDataカンファレンスに出席するため、NYCに行って来ました。11/22-11/23の二日間の日程で行われ、延べ250人ほどが参加したイベントです。その時の模様は、先日のPyData Tokyo第二回ミートアップでもご説明させていただき、また後日記事化されると思いますので、そちらをぜひご覧いただければと思います。 今回はそのPyData NYCカンファレンスで私が発表してきたミニプロジェクトについてお話します。最近各所で話題に上がるディープラーニングですが、これを使った応用を「カメリオ」のサービス向上のために使えないか、というのがそもそものプロジェクトの着想でした。今回PyData Tokyoオーガナイザーとして、またディープラーニングで色々と面白い実験をしている田中さん（@a
楽しいAutoEncoderと学習の世界 - Stimulator
今回はAutoEncoderについて書きます。以前ほんのちょっとだけ紹介しましたが、少し詳しい話を研究の進捗としてまとめたいと思います。(AdventCalendarに向けて数式を入れる練習がてら) まず、AutoEncoderが今注目されている理由はDeepLearningにあると言っても過言ではないでしょう。DeepLearningは様々なコンペディション、例えば、ILSVRC2012(画像認識のコンテスト)や化合物の活性予測で、従来の手法を抑えとてつもない成績を収めて注目を浴びました。今年のILSVRC2013ではその殆どがDeepLearningを取り入れているほどです。さらには、「一般紙であるNewYorkTimesにまで記事が掲載」「第一人者であるHinton先生を学生ごとかのGoogleが買収」「BaiduがシリコンバレーにDeep learningの研究所を作る」等学習界隈
DeepLearningライブラリ「Caffe」の実行環境をUbuntu14.04で作る - モノクロタイム
MacOSXではうまくいかないものの、Ubuntu14.04で環境作ったらあっさり上手くいった。 以下のサイトにはお世話になりました。ありがとうございます！ http://wiki.ruka-f.net/index.php?Caffe%E3%82%A4%E3%83%B3%E3%82%B9%E3%83%88%E3%83%BC%E3%83%AB 作業環境 VirtualBox4.3.20(ホストOS:OSX10.9 ゲストOS:Ubuntu14.04) RAM 2GB 容量 15GB CUDAのインストール 過去記事↓を参考にしてください。 BLASのインストール ATLASが標準らしいので、ATLASをインストールしました。 $ sudo apt-get install libatlas-base-dev pythonラッパーのインストール 今回はAnacondaを使わない方法でインストール
DeepLearningライブラリ「Caffe」の実行環境をOSX10.9で作る - モノクロタイム
20141211大幅改稿 DeepLearning関連の研究をしているので、様々な機械学習系ライブラリを試してみています。今回はCaffe。 CaffeはC++で実装され、GPUも使えるDeepLearning用ライブラリです。 このライブラリを知る切っ掛けになったYahooデベロッパーネットワークの記事によると、 大規模画像認識のコンテストILSVRCで2012年にトップとなった畳込みニューラルネットワークの画像分類モデル[1]がすぐに利用できるようになっています。 Caffeは、カリフォルニア大学バークレー校のコンピュータビジョンおよび機械学習に関する研究センターであるBVLCが中心となって開発しているOSSです。 ヤフージャパンは2014年6月から同センターのスポンサーになっており、Caffeの開発を含めたセンターの研究の支援を行っています。 とのこと。ふむふむ、結構使えそうじゃない
Caffeで手軽に画像分類
ヤフー株式会社は、2023年10月1日にLINEヤフー株式会社になりました。LINEヤフー株式会社の新しいブログはこちらです。LINEヤフー Tech Blog こんにちは。システム統括本部 データソリューション本部の宮崎です。 最近ディープラーニングと呼ばれる技術の話題を耳にすることが増えてきました。 この記事ではディープラーニングの手法を実装し画像認識系の用途で便利に使えるCaffeというツールの使い方を紹介します。 Caffeの概要 Caffeは、C++で実装されGPUに対応した高速なディープラーニングのライブラリです。 大規模画像認識のコンテストILSVRCで2012年にトップとなった畳込みニューラルネットワークの画像分類モデル[1]がすぐに利用できるようになっています。 Caffeは、カリフォルニア大学バークレー校のコンピュータビジョンおよび機械学習に関する研究センターであるBV
Caffeの環境構築メモ | うろこ雲とパンの耳
CNN(convolutional neural network)のフレームワークであるCaffeを環境構築する際に手間取ったのでその時のことをログとして残す。 環境は以下の通り 上記の通り、GPUはIntel製なのでCUDAが利用できない。CPUだけで頑張るしかない。 事前に必要なもの CUDA 5.0 or 5.5 boost(v1.55推奨) OpenBLAS OpenCV glog, gflags, protobuf, leveldb, snappy, hdf5 python, numpy(1.7以上推奨), boost_python OpenCV, python, numpy, boost_pythonは今回すでに入れてあったので省略。 libgfortran.soがコンパイル時に読める場所になかったので/usr/local/libにシンボリックリンクを置き、予め読めるようにし
Pylearn2 のお勉強 - 6時間目 - まんぼう日記
Pylearn2 の tutorial でお勉強 - 5時間目 - まんぼう日記 のつづき．自分で Theano 使って convolutional net のプログラムを書くことを視野に入れて，Pylearn2 で学習したネットワークのパラメータを取り出して，自前でネットワーク出力を計算してみることにします． 学習したネットワークの重みを取り出す 例えば Pylearn2 の tutorial でお勉強 - 2時間目 - まんぼう日記 の Part 4 では，学習後のMLPの重み等は mlp_3_best.pkl という名前の pickle ファイルに保存されていて，print_model.py というスクリプトでその概要を得ることができます．このスクリプトの中身と Models — Pylearn2 dev documentation の記述から，MLP の場合は次のようなプログラムに
Neural network example using Pylearn2 | Gustav's blog
I was recently looking into using a neural network for a project so I started looking into some of the available Python libraries. The one I ended up using was Pylearn2 which is a fast and powerful library for machine learning that is mainly built upon Theano. Pylearn2 is under development and is still a bit rough around the edges and the documentation is limited and in some instances not correct.
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
http://www.vision.cs.chubu.ac.jp/flabresearcharchive/bachelor/B13/Paper/fukui.pdf
Caffeで手軽に画像分類を試してみた(1) 泥沼だ
Milkey Coffee Lab. » Caffeでdeepな画像認識 (leveldb)
http://nnet.dogrow.net/?cat=9
DeepLearningライブラリ「Caffe」の実行環境をOSXで作る - モノクロタイム
alchemyapi.com
An Introduction to Convolutional Neural Networks - Teach
Quick-start example — Pylearn2 dev documentation