タグ

2016年12月25日のブックマーク (7件)

  • さらば研究職 BioMedサーカス.com - 医学生物学研究の総合ポータルサイト

    博士号を取得して10数年。先日、ついに研究職を辞めて一般人(?)になりました。葛藤や後悔で眠れない日々が続くと思いきや、今はとっても開放的な気持ちです。毎日快眠快便でここ数年で最も心身ともに体調が良いです。皆さんはお元気ですか? さて、BioMedサーカス.comは研究者&研究業界の負の側面を凝集したようなサイトなので、そこに引き寄せられる人々も自然と研究に対してマイナスの感情を持っているのではないでしょうか?(この部分、編集部によって削除されそうですが、残ってたら編集部の度量の広さに感謝感激です 笑) そこで、10数年の苦難に満ちた研究歴を投げ捨てた記念として、また、私の後に続く人たちへの道標的な意味も含め、なぜ私が研究職を辞めたのかをこの場をお借りしてお伝えしようと思います。 と書きながらも、まずは皆さんに聞きたいことが一つあります。それは。。。 「研究してて面白いですか?」 ってこと

  • 分散学習用TensorFlowコードの書き方 - めもめも

    何の話かというと Google Cloud MLを利用して、TensorFlowの分散学習を行う方法です。取り急ぎ、自分用のメモとして公開しておきます。 分散学習にはいくつかのパターンがありますが、最もシンプルな「データ分散」の場合を説明します。各ノードは同じモデルに対して、個別に学習データを適用して、Variableを修正する勾配ベクトルを計算します。それぞれで計算した勾配ベクトルを用いて、共通のVariableを修正していきます。 前提知識 TensorFlowの分散学習処理を行う際は、3種類のノードを使用します。 ・Parameter Server:Workerが計算した勾配ベクトルを用いて、Variableのアップデートを行います。 ・Worker:教師データから勾配ベクトルを計算します。 ・Master:Workerと同様の処理に加えて、学習済みモデルの保存やテストセットに対する

    分散学習用TensorFlowコードの書き方 - めもめも
  • 低レイヤーの歩き方 - るくすの日記 ~ Out_Of_Range ~

    この記事は Kobe University Advent Calendar25日目の記事です。 低レイヤー技術(後述)をこれから学びたい人向けの入門記事です。 自身の経験を踏まえ、より多くの人達にこのレイヤーに興味を持ってほしくて書きました。 決して卒論がやばくてAdvent calendarのネタが作れなかったわけでは(ry なぜこんな記事を書いたか いわゆるシステムプログラミングのような低レイヤー(と言って差し支えない)ジャンルって一体何から始めれば良いのかいまいちピンと来ないし、何が面白いのかも分からないと思われている事が多いと思います。 にもかかわらず低レイヤーの魅力や学び方の指針みたいな物を示した、いわゆる入門記事ってかなり少ないんですよね。 記事はこれからシステムプログラミングを始めたい方や、既にかじってみたが中々先が見えてこない、将来何の役に立つのか不安という方達に読んでい

    低レイヤーの歩き方 - るくすの日記 ~ Out_Of_Range ~
    serihiro
    serihiro 2016/12/25
  • ☆★CARNELIAN★☆

    このサイトは、小説ゲーム・アニメなどで、挿絵・キャラデザイン・企画などのお仕事をしている『CARNELIAN』のHPです。主なコンテンツは、趣味仕事で描いた作品を紹介したり、語ったりすることとです。(※サイトに初めてお越しの方は、" About " を必ずご覧ください。)

    serihiro
    serihiro 2016/12/25
  • Deep learning × Python - Qiita

    今更ではありますが、今年のPythonキーワードの中で外すことはできないのではないでしょうか? というわけで今年を振り返ってお世話になったDeepLearning系Pythonライブラリを紹介したいと思います。 Keras chainer, tensorflow, mxnetなどいろいろなフレームワークが出てますが、単純にGithubのスター数でみると次の順で人気なようです。(12月25日現在) tensorflow(40959) keras(10509) mxnet(7288) chainer(1910) tensorflow大人気なのが分かりますね。kerasはコード行数が少なくて済むので好きなのですが、tensorflow-slimなども出てきて、今後もtensorflowベースでより簡単に書けるライブラリが出てきそうです。 keras-rl kerasを使ったDeep Reinfo

    Deep learning × Python - Qiita
  • Retty流『2200万ユーザを支える機械学習基盤』の作り方 - Qiita

    みなさん、こんにちは。Retty CTO の樽石です。 この記事は Retty Advent Calendar 25日目です。メリークリスマス。 昨日は @ttakeoka の『MFIにむけてRettyの取り組み』でした。 今年も残りわずかになりました。いかがお過ごしですか? Retty はこの 1 年でエンジニアがほぼ倍増しました。それによって、情報発信者が増え、Advent Calendar に参加出来るようになりました。みんな楽しそうにしていて、うれしいです。 Retty Inc. Advent Calendar 2016 - Qiita さて、今年最後の Retty Advent Calendar 記事を書くということで、はじめは 1年のまとめ的内容にしようかと思いましたが、それでは平凡で面白くありません。そこで、ネタになりそうなマニアックな技術的記事で締めくくりたいと思います。

    Retty流『2200万ユーザを支える機械学習基盤』の作り方 - Qiita
  • 原理原則で理解するDocker - Qiita

    はじめに この記事は、オールアバウト Advent Calendar 2016の23日目のエントリーです。 私、@tajima_tasoからは【原理原則で理解するDocker】と題して書かせて頂きます。 Dockerってそもそも何?ってところから、内部実装部分についても触れています。 Dockerとは何か? まず、Dockerとは何なのか?について軽くおさらいしましょう。 今更聞けないという方も、なんとなくイメージが掴めたら嬉しいです。 何故、今Dockerなのか? Docker ソフトウェア開発を行う環境にいる方々の中で、この言葉を耳にする機会が増えてきているのではないでしょうか? 実際の業務において導入まではしていないとしても、何となく盛り上がっている技術用語であることは肌感覚としてあると思います。 実は、Docker実現のベースとなっているLinuxコンテナという技術自体はずっと前か

    原理原則で理解するDocker - Qiita