Pytorchで転移学習 - Qiita
TL;DR PyTorchを使った転移学習を行ってみます。使用するデータセットはPyTorchのチュートリアルで使われている蟻と蜂のデータセットを使います。ここからダウンロードできます。直接ダウンロード始めるので気をつけてください。 それぞれ120枚ずつ画像が存在し、validationに75枚の画像を使用します。ImageNetなどでpre-trainされたResNet18を使用することでこの少ないデータセットでも比較的高い精度を出すことができます。 Google Colaboratory内でデータセットの準備 GPUを使って学習を進めたいので、Google Colabを使用します。 まず、Google Driveの/content/drive/My Drive内にdataディレクトリを作成します。 この中に先にダウンロードしておいたデータセットをアップロードし、My Driveでマウン
Pytorch：Embeddingに学習済みの重みを使う - 機械学習・自然言語処理の勉強メモ
やりたいこと 事前にWord2Vecなどで学習した分散表現をネットワークの重みとして用いる。 結論としては、Embedding層の重みにテンソル型に変換した分散表現行列をセットするだけで良かった。 備忘録としてコードを残しておく。 （ここでは、Googleの学習済みの分散表現ベクトルを用いた。） これのハンドリングが良く分からったので、いったんgensimで読み込んだ。 import torch import torch.nn as nn import numpy as np import gensim model_dir = './GoogleNews-vectors-negative300.bin' model = gensim.models.KeyedVectors.load_word2vec_format(model_dir, binary=True) syn0にnumpy.nda
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
