VGG
このVGGモデルは提案された2014年のILSVRCというImageNetを用いた画像認識の精度を競うコンペティションにおいて、なんと画像分類部門で2位、物体のローカライゼーション部門で1位を獲得！！このコンペティションで一躍有名になったVGGモデルは現在もtensorflowやPyTorchなどで実装とImageNetの学習済みモデルが用意されており、簡単に利用することができるようになっています。 VGGは16層のバージョンと19層のバージョンがあり、論文のタイトルからわかる通り当時のCNNとしては圧倒的に多くの層が重なっているモデルです。2012年のILSVRC優勝モデルのAlexNetは8層、2013年に提案されたZFNetが同様に8層であることから当時のVGGがいかに深い層を持つモデルであったかが理解できますよね。 またVGGは学習済みモデルが公開されたこともり、SSDなどの物体検
Deep Learning資格試験 深層学習 最適化・高速化・軽量化
はじめに 日本ディープラーニング協会の Deep Learning 資格試験（E 資格）の受験に向けて、調べた内容をまとめていきます。 初期値の設定方法 通常（正規分布に従った重み） \begin{aligned} f(x) = \frac{1}{\sqrt{2 \pi}} e^{- \frac{x^2}{2}} \end{aligned} Xavier 対象の活性化関数 シグモイド関数 双曲線正接関数 設定方法 重みの要素を、前の層のノード数の平方根で除算した値 He 対象の活性化関数 ReLU 関数 設定方法 重みの要素を、前の層のノード数の平方根で除算した値に対し\sqrt{2}をかけ合わせた値 ドロップアウト 過学習の課題 ノードの数が多い ドロップアウトとは︖ ランダムにノードを削除して学習させること メリット データ量を変化させずに、異なるモデルを学習させていると解釈できる ソ
CNN（Convolutional Neural Network）を理解する - sagantaf
この記事の目的 0. 通常のニューラルネットワークの問題 1. CNNの基本 2. 畳み込み層（Convolutional層） フィルタのサイズをどうするか どうフィルタを適用していくか（ストライド） 出力サイズをどうするか（パディング） データ形状の変化 畳み込みまとめ 3. 活性化関数について 4. プーリング層（Pooling層） 5. CNNの特徴 6. そのほか利用される層 Dropout層 BatchNormalization層 7. CNNの設計 8. CNNの精度向上のために考えること 参考にした書籍やサイト この記事の目的 CNNの理論を理解し、Kerasで実装できるようにするために、理論部分をまとめた記事。 0. 通常のニューラルネットワークの問題 通常のニューラルネットワークにある全結合層では２次元以上のデータを1次元（1列のデータ）に並べ替えて入力している。 そのた
サーバーレスアーキテクチャーも大胆に導入！ 自律・自走できる組織作りを進めるカオナビのインフラチーム - はてなニュース
タレントマネジメントシステムを提供する株式会社カオナビでは、サービスをSaaS型にシフトするにあたってAWS（Amazon Web Services）を全面的に採用し、サーバレスの基盤開発でもAWSのマネージドサービスを積極的に活用しています。 そのベースにある「運用しない運用」という言葉の意図や、計測・監視の取り組み、アプリケーション開発の経験も活用できる「自走するインフラ組織」について、インフラグループの大久保智之さんと新井健さんに聞きました。 ※この記事は株式会社カオナビによるSponsoredContentです。 AWSへの移行から技術的な挑戦を進める サーバレスを推進して温かみある手順から脱出 開発の経験も生かしたアプリケーション監視と指標 自動化の原則は自走と自律 カオナビではエンジニアを積極募集しています！ AWSへの移行から技術的な挑戦を進める ── プロフィール（後掲）を
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
処理を実行中です
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://http2.try-and-test.net/openssl1_1_0_tips.html
