GitHub - ageron/handson-ml: ⛔️ DEPRECATED – See https://github.com/ageron/handson-ml3 instead.You 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
Unityの公式サンプルml-agentsでAIを試す - tanaka's Programming Memo
この記事はすでに古くなっています。以下の2018/11版の方をご覧ください。 am1tanaka.hatenablog.com Unityで機械学習を利用できるようにするUnity公式のml-agentsをWindows7で動かすまでのメモです。 (2017/11/11 トレーニングの自動終了について追記) ざっくりと概要 ml-agentsはUnity Machine Learning Agentsを略した名前です。「Unityの機械学習エージェント」ということですね。 機械学習には様々なものがありますが、このプロジェクトでは機械学習の代表格であるTensorFlow(テンソル・フロー)というオープンソースを利用します。ゲーム専用ではなく、デファクトスタンダードなAIシステムを採用しているのは大きな利点だと思います。TensorFlowは手書き文字や写真に写っているものを推定するなど様々
Google の Tensor Processing Unit (TPU) で機械学習が 30 倍速くなるメカニズム | Google Cloud 公式ブログ
* この投稿は米国時間 5 月 12 日に投稿されたもの（投稿はこちら）の抄訳です。 Posted by 佐藤一憲, Staff Developer Advocate, Google Cloud Cliff Young, Software Engineer, Google Brain David Patterson, Distinguished Engineer, Google Brain Google 検索、ストリートビュー、Google フォト、そしてGoogle 翻訳。これらのサービスに共通するのは、いずれもニューラルネットワーク（NN）の計算処理の高速化のために Google の第一世代の Tensor Processing Unit (TPU) が用いられている点です。 Google の Tensor Processing Unit (TPU) が搭載された回路基板（左）と、 G
TensorFlowで会話AIを作ってみた。
1. The document discusses various statistical and neural network-based models for representing words and modeling semantics, including LSI, PLSI, LDA, word2vec, and neural network language models. 2. These models represent words based on their distributional properties and contexts using techniques like matrix factorization, probabilistic modeling, and neural networks to learn vector representatio
TensorFlowのSeq2Seqモデルでチャットボットっぽいものを作ってみた - Qiita
のような感じです。これをtest_data_in.txtとtest_data_out.txtも同様に準備をします。 訓練用306文とテスト用306文(IN,OUTが153ずつ)の計712文で、語彙数は訓練用とテスト用それぞれ約500ずつです。 データは非常に少ないです（泣） 学習のコード 学習を行うコードです。 チュートリアルのデフォルトではバッチ（batch_size）が６４、層の数（num_layers）が3、層のユニット（size）が1024、語彙数が（vocab_size）が40000の大きさでした。 #!/usr/bin/env python # -*- coding: utf-8 -*- # Licensed under the Apache License, Version 2.0 (the "License"); # you may not use this file ex
seq2seq で長い文の学習をうまくやるための Attention Mechanism について - Qiita
概要 シーケンス（例えば文章）のペアを関連付けて学習させる DeepLearning の手法 sequence-to-sequence learning において、長いシーケンスでの学習の精度を上げると言われている Attention Mechanism の論文を読んだので備忘録を兼ねて概要を書いておきます。 元論文: Neural Machine Translation By Jointly Learning To Align And Translate そもそも seq2seq とは シーケンスのペアを大量に学習させることで、片方のシーケンスからもう一方を生成するモデルです。 元論文： Sequence to Sequence Learning with Neural Networks tensorflow 上にも実装があります。 実用例としては以下のようなものがあります。 翻訳: 英
Learn TensorFlow and deep learning, without a Ph.D. | Google Cloud Blog
This 3-hour course (video + slides) offers developers a quick introduction to deep-learning fundamentals, with some TensorFlow thrown into the bargain. ">This 3-hour course (video + slides) offers developers a quick introduction to deep-learning fundamentals, with some TensorFlow thrown into the bargain. Deep learning (aka neural networks) is a popular approach to building machine-learning models
TensorFlow将棋ソフト開発日誌 目次 - Qiita
TensorFlowで将棋AIをつくろうという試みを開発日誌形式で連載しています。毎回導入した技術、TensorFlowの使い方、得られた知見を綴ります。記事が増えてきたので目次を作りました。 TensorFlowによる将棋ソフトの開発日誌（ゆっけさんの場合） #1 開発をはじめることになった経緯や実現のためのアプローチ。 TensorFlowによる将棋ソフトの開発日誌（ゆっけさんの場合） #2 勝敗予測モデルの話。2chkifuというデータ集を利用する話。 TensorFlowによる将棋ソフトの開発日誌（ゆっけさんの場合） #3 入力ベクトルの形状の説明。 TensorFlowによる将棋ソフトの開発日誌（ゆっけさんの場合） #4 とりあえずで作ったモデルの説明。後に学習がうまくいかないモデルだと判明しました。 TensorFlowによる将棋ソフトの開発日誌（ゆっけさんの場合） #5 ba
Windows上でTensorFlowを使用する環境構築 - Qiita
やりたいこと 最近話題のGoogleの人工知能エンジン TensorFlow。残念ながら、LinuxとMac OS Xしかサポートしていません。 ところが、Windows上でTensorFlowを使用する環境を作る方法がありました。しかも、10分くらいで簡単に準備出来ます。 必要な動作環境 Windows7以上 (Windows 8.1で動作確認) 仮想化が有効になっていること タスクマネージャー→パフォーマンス タブ→ CPU → 「仮想化: 有効」となっていることを確認 OSが64 bitであること Docker for Windowsの準備 STEP1 Docker Toolboxのダウンロード Docker Toolboxにアクセスして、ダウンロードします。 STEP2 Docker Toolboxのインストール 設定はすべてデフォルトで、インストールを行います。 STEP3 Do
python/tensorflow初心者が、jupyter+tensorflow環境を構築してHello Worldする - Qiita
python/tensorflow初心者が、jupyter+tensorflow環境を構築してHello WorldするPythonJupyterTensorFlow 概要 Amazon.co.jp: TensorFlowはじめました 実践！最新Googleマシンラーニング (NextPublishing) 電子書籍: 有山 圭二: Kindleストア をやるにあたって、vimなどを操作しながらだと初心者には辛そうなので、jupyterというノート上で簡単に操作できるようする手順メモです。 (※といっても、途中でターミナル操作入るけどね！） jupyterイメージ画像 JupyterでTensorFlowが使えるDockerイメージ - めもめも というdockerを使った手段が一番手っ取り早いのですが、私のいつも利用してる macbook airは色々しょぼくてmac用dockerを利用
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
TensorFlow を使った�機械学習ことはじめ (GDG京都 機械学習勉強会)
https://qiita.com/skitaoka/items/ed1c07809c6f33c82a8f