sonots:blog
2018年12月19日15:03 カテゴリ ブログ移行 https://medium.com/@sonots に移行しました。 英語記事を書いてもおかしく見えないやつが良いなということで medium にしてみた。 sonots コメント( 0 ) 2018年10月02日01:03 カテゴリ ISUCON8 の予選問題出題を担当した ISUCONというウェブアプリケーションのチューニングコンテストのようなものがある。 今年は DeNA のメンバーで予選問題の出題を担当し、私は主にベンチマーカ作成者としてコミットした。 問題はすでに https://github.com/isucon/isucon8-qualify に上げてあり、サーバは各自用意する必要があるが、それさえできれば予選を再現できるようにしてある。 ISUCON8 予選問題の解説と講評 を @karupanerura くんが書い
投票: がっつり実装、Deep Learning | PyCon JP 2016 in TOKYO
ちまたで、「Deep Learningスゲー」という声をちらほら聞きます。「Deep Learningやりたい」という声も聞きます。しかしその次にでる言葉が「誰かやって」「誰かできる人いない？」という感じです。少なくとも私の周りには。 また、githubでDeep Learningのフレームワークtheano やChainerを使った実装を見かけますが、素敵な実装はあまり見かけません。で、思うのは、みんなどのくらいDeep LearningのPythonコードを作れているんだろう？ということです。 そこで、theanoのラッパークラスをかれこれ10回位、つくっては壊しを繰り返し、Chainerを最近使い始めた著者が、Chainerを使った実装について、がっつり語りたいと思います。 Deep Learningの研究動向は、とかのはしません。実装の話です。 GPU化する方法とその驚くべき効果も
投票: 画像認識で学ぶDeep Learning | PyCon JP 2016 in TOKYO
Deep Learning（Convolutional Neural Network）は特に画像認識の分野で目覚ましい成果をあげています。今回はConvolutional Neural Networkを使った画像認識の方法、及び、それを実施するに便利なソフトウェアの説明を行う予定です。 画像認識に学ぶDeep Learning 1.画像認識の背景とできること 画像認識のこれまでの目覚ましい成果と実際にこれをすると 何ができるかをお話したいと思います。 →Googleの猫やILSVRCの話 現在、使われているソフトウェアの話（顔認識とか） 2.画像認識の一般的なフローとその説明 本項目では、画像認識においてどういった要素が必要かを紹介します。 データセットを集める、DeepLearningの学習環境作るなど 3.フローについての詳細な説明 ①データセットの構築方法 ②画像データについての説明
【機械学習】ディープラーニング フレームワークChainerを試しながら解説してみる。 - Qiita
今話題のDeep Learning(深層学習)フレームワーク、Chainerに手書き文字の判別を行うサンプルコードがあります。こちらを使って内容を少し解説する記事を書いてみたいと思います。 (本記事のコードの全文をGitHubにアップしました。[PC推奨]) とにかく、インストールがすごく簡単かつ、Pythonが書ければすぐに使うことができておすすめです！ Pythonに閉じてコードが書けるのもすごくいいですよね。 こんな感じのニューラルネットワークモデルを試してみる、という記事です。 主要な情報はこちらにあります。 Chainerのメインサイト ChainerのGitHubリポジトリ Chainerのチュートリアルとリファレンス 1. インストール# まずは何はともあれインストールです。ChainerのGitHubに記載の"Requirements" ( https://github.c
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
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://minkabu.jp/uploads/newsfeeds/pdf/807805/f30813ed9.pdf
