KerasではじめるDeepLearning | DevelopersIO
こんにちは、小澤です。 今回はKerasというDeepLearningのライブラリについて書かせていただきます。 Kerasとは 公式のドキュメントによると以下のようになっています。 Kerasは，Pythonで書かれた，TensorFlowまたはTheano上で実行可能な高水準のニューラルネットワークライブラリです． Kerasは，迅速な実験を可能にすることに重点を置いて開発されました． 可能な限り遅れなくアイデアから結果に進められることは，良い研究をする上で重要です． Keras Documentationより Kerasを利用するとDeepLearningの背後にある数学的な部分をスクラッチで実装しなくても、各層で利用するアルゴリズムとパラメータを指定するのみなど、比較的短いコードで目的のネットワークを表現することができます。 そのため、研究領域において非常に流れが早く企業などでも素
CIFAR-10を疑似ラベル（Pseudo-Label）を使った半教師あり学習で分類する - Qiita
TL;DR 半教師あり学習の1つの手法である、疑似ラベルをCIFAR-10で試した サンプル数が少ない場合は、疑似ラベルを使うことでテスト精度を引き上げることができた ただし、転移学習と比べると若干見劣りすることもある 元ネタ かなり平易に書かれた論文なので読みやすいと思います。 Dong-Hyun, Lee. Pseudo-Label : The Simple and Efficient Semi-Supervised Learning Method for Deep Neural Networks. 2013 http://deeplearning.net/wp-content/uploads/2013/03/pseudo_label_final.pdf 半教師あり学習とは 「教師あり学習」と「教師なし学習」の間の子。教師あり学習のように$(X, y)$とラベル付けされたデータと、教師
半教師あり学習_Semi-Supervised Learning (Vol.20)
表1：分類（教師あり）とクラスタリング（教師なし）の違い（再掲） みなさんは、中高時代に部活やってましたか。普通の教師が顧問をやったりするので、きちんとした指導もなくやみくもにトレーニングしていることが多かったように思います。そして、大人になってもゴルフでおんなじ非効率的な学習を繰り返していたりします(^^;)。これ、本当はコーチがちょっとポイントをアドバイスしてくれるだけで、ぐーんとトレーニング効率が高まるんですよね。 半教師あり学習(Semi-Supervised Learning)は、この原理と同じです。少量の教師データ（ラベル付きデータ）を用いることで、大量のラベル無しデータを活かすことができ、より簡単に学習させることができるモデルなのです（図１）。人間だってちっちゃいころに、「これは猫さん」「これはワンワンよ」と何回か教えてもらっただけで、後は自分でたくさんの猫や犬を見て自己学習
”仕事で始める機械学習”の要点をまとめてみたらとても良い入門書だった
最近、販売された仕事で始める機械学習を買ったので、購入を考えられている方や機械学習を始めたいと思っている方に読んで、参考になればと思います。 この記事の目的と全体の流れただ読むのと、アウトプット（ブログに書く）前提で読むのとはインプットの質が違うということがわかったので、ブログに書きながら理解していく形を取ります。 全体の流れとしては、章の要約。あぁこの内容知ってるなって人は買わずに済むし、わからないこと多いという人は購入を検討して頂ければ。（出版関係者でもなければ、アフィリエイトなどの営利目的でもなく、いち消費者としての個人的意見になります。 ご了承ください。） 結論から言うと（書評）いままでのオライリーのデータサイエンス本だと英語から翻訳したのでわかりにくい日本語が非常にうっとうしいのですが、 この本は、日本の方が書かれており、日本語スムーズに理解できます。 また、非常に論理立てられて
半教師あり学習、何それ？ってなったので初心者ながらに整理してみた
AIブームの熱にアチチアチチとなっているご時世ですから、AI（人工知能）を実現する技術である機械学習というワードはよく見聞きするものでご存知の方も多いことでしょう。しかし「半教師あり学習」というワードに出会う機会はそれに比べてずっと少なく、知っている方はかなり少ないのかもしれません。 実際、今みなさんがご覧になっているこのメディアAIZINEでは「半教師あり学習」というテーマで書いた記事はまだありませんし（実際に調べました）、機械学習の参考書に目を通していても中々登場しないワードです。 しかしAI（機械学習）エンジニアを目指している僕は、機械学習の腕を競い合ったりプロのコードを見て学べる場である「Kaggle」に取り組んでいて、最近「半教師あり学習」とやらに出会いました。半教師あり学習の存在は知っていたけれど別に知らなくても困らなかったので特に調べもしていませんでしたが（おいおい・・・）、
半教師あり学習とは結局のところ何なのか? - yasuhisa's blog
半教師あり学習の本質はどこにあるのか? 現在の半教師あり学習の悪い(?)ところ その他 今週ゼミで半教師あり学習のイントロダクション的なものをやる予定なので資料を作っている。 Self Training Generative Models S3VMs Graph-Based Algorithms Multiview Algorithms などなどの手法を簡単に紹介する予定(Blogにもあげるかもしれない)。で、資料を作っていて、「半教師あり学習とは、つまりラベルありデータだけではdata sparsenessに負けてしまうところをラベルなしデータによって補う方法ではないか」というところに行きついた気がする。 半教師あり学習 from syou6162 半教師あり学習の本質はどこにあるのか?Semi-Supervised Learning Tutorialの資料からいくつか例で見てみよう。テ
《日経Robo》学習の本命「半教師あり学習」、少ない教師データで高い精度
機械学習において教師あり学習は、一般画像認識や音声認識などで目覚ましい成果を上げている。一方で世の中のほとんどの問題では教師データはほとんど存在せず、教師なしデータが大量に存在する。このような、大量の教師なしデータと少量の教師ありデータが与えられた場合に学習する問題を「半教師あり学習」と呼ぶ。 生物のほとんどの学習が、このような半教師あり学習の問題だと考えられる。人間は生まれてから様々な物体を、正解を与えられずにただ観察する。そしてある日、その物体のラベル（例えば「これは象」「あれはキリン」など）が与えられると、その教師事例を数千例も与えられなくても途端に認識できるようになる。こうした生物の学習の過程では、教師なしのデータから何らかの学習を行っているはずである。 半教師あり学習は2種類に大別 半教師あり学習の手法は大きく2つに分かれる。1つ目は、「ブートストラップ法」と呼ばれる方法である。
Pythonでコマンドラインオプションの代わりにJSON形式の設定ファイルを読み込む - Qiita
はじめに Pythonでコマンドライン引数を実行時に受け取りたい場合はArgumentParserが有用ですが，オプションが増えてきて一々入力するのが面倒という人にはJSONを利用するのが便利かもしれません。 方法 オプションをプログラム実行時にコマンドに記述する代わりにJSON形式の設定ファイルに書いておき，読み込んで利用します。 JSONとは？ Pythonの辞書型のような形でキーと値を記述するフォーマットのことです。 標準ライブラリがあるので簡単に読み込めます。 JSONの例： { "learning_rate": 0.0001, "optimizer": "Adam", "batch-norm": true, "data": ["data1.zip", "data2.zip"], "network":{ "layer": "linear", "activation": "relu"
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
rosbag.bag.Bag