Kerasのオプティマイザの比較
各オプティマイザのパラメータを調整すれば、もっと良い結果が得られるかもしれません。 今回の結果から、10エポック目のモデルで一番良いのはSGDのdecayとmomentumをそれぞれ1e-4と0.9に設定したもので、エラーは0.84%でした。 Decayを1e-4に設定したAdadeltaとAdamaxがその次に良く、エラーは0.88%でした。 エポックごとのValidation errorの変化を下図に示します。 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 6
Kerasのノウハウ覚え書き - Qiita
ver1版がだいぶ古くなっていたので書き直しました。 とりあえずマニュアルを隅から隅まで読みましょう 見落としがちですが、メニューの下の方にも結構色々重要(?)なものがあります。 コールバック EarlyStopping、各エポックでのモデル保存、学習率の調整、、etc Applications 事前学習済みのモデル 可視化 モデルを画像化してくれるやつ などなど。 読むと楽しいソース Examples だいぶ色々入ってます。VAEとかHRNNとかBidirectional LSTMとか。 事前学習済みのモデル(の実装) 新しいのも結構ぽろぽろ追加されてます。v2.2.0でMobileNetV2とか。 細かいノウハウ(?)やコピペ用コード片など importの仕方 Keras 2.0以上なら(?)、 だけでほとんどのものが使えます。 (2.2以前はpreprocessing配下だけは改めて
kerasからのインポートでエラーになる
前提・実現したいこと ネットにあるチュートリアルを試してみるところですが， いきなりimportでエラーになります 環境は次のとおりです windows10（64bit） anaconda 5.3.1 python 3.7 TensorFlow 1.11（keras内蔵） Jupyter Notebookを利用 【コマンド】＞＞＞＞＞ import tensorflow from tensorflow import keras from keras.layers import Input, Dense ＜＜＜＜ 【エラー】＞＞＞＞＞ ModuleNotFoundError Traceback (most recent call last) <ipython-input-19-d63db0619a81> in <module> 1 import tensorflow 2 from tenso
CIFAR-10でaccuracy95%--CNNで精度を上げるテクニック-- - Qiita
本記事について CNNを用いて,CIFAR-10でaccuracy95%を達成できたので，役にたった手法(テクニック)をまとめました． CNNで精度を向上させる際の参考になれば幸いです． 本記事では，フレームワークとしてKerasを用いていますが，Kerasの使い方について詳しく説明することはありません． Kerasの簡単な使い方に関しては，以下のリンクが参考になります． https://qiita.com/iss-f/items/b12308b44376ba69ac6a 本記事で用いるコード・学習済みモデルは以下で公開しています． バグ等があった場合はお知らせください． https://github.com/yy1003/cifar10 準備 install import numpy as np import keras from keras.models import Model,lo
Kerasで自作画像を用いてAlexNetで訓練するソースコード(Windows10)
Tensorflow+Kerasの環境構築を前回やってみて、無事環境構築に成功しました。 そのときはMNISTデータセットで正常な実行を確認しましたが、実用的な面を考えると、自分で学習画像を用意して訓練するというケースが多くなると思います。 そこで、予めフォルダに分類した学習画像からクラス名(及びクラス数)を自動で読み取り、各クラスの分類学習を行うソースコードを書いてみました。 また、前回からの差分として、分類のモデルはAlexNet(畳み込み層5層、全結合層3層モデル)を用いることとしました。 AlexNetのモデル部分のコードに関しては、 参考ページ：KerasによるAlexNetを用いた犬猫分類モデル – Qiita 上記のコードを参考にさせていただきました。ありがとうございます(厳密には上記のコードはLRNがBN((Batch Normalization)に変わっているので、Ale
Keras(+Tensorflow)でMNISTしてみる - Qiita
以前に、私的TensorFlow入門でも書いたんだけれど、MNISTをまたTensorFlowで書いてみる。今度は、Kerasを使ってみる。 多階層のニューラルネットでmodelを作成しようとすると、TensorFlowでは層を追加していくのってどうやってやるの？とか、直観的に分かりづらいんだけれど、Kerasはそのあたりを上手くやってくれてる感じ。 Keras(とTensorFlow)のインストール kerasやtensorflowのインストールごとき、特に解説する必要もない気がするけれど、一応。
Keras-RLを用いた深層強化学習コト始め - Qiita
この記事は BrainPad AdventCalendar 2017 23日目の記事です。 今回は深層強化学習を取り上げてみようと思います。 ビジネス課題と強化学習 BrainPadでは、データ分析に基づいて様々なビジネス課題に取り組んでいますが、時間的な制約や網羅性の制約などから、機械学習に必要となる最終的に得たい結果(目的変数)と打ち手となる要因（説明変数）の組みを事前にすべて揃えることが出来ない課題において検討されるのが強化学習のアプローチです。そこでは、実際に打ち手を局所的に試行しデータを集めながら、得たい結果との関係性（予測モデル/判断モデル）を動的に学習していきます。そのような意味で、教師あり学習と教師なし学習の中間に位置する手続きと解釈される枠組みで、より現実世界の時間の流れに沿った動的な課題に適用が検討されます。 具体的には、立上げた新規Webページでの広告の出し分けロジッ
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
GitHub - yu4u/convnet-drawer: Python script for illustrating Convolutional Neural Networks (CNN) using Keras-like model definitions