はてなブックマーク

はじめに 株式会社クリエイスCTOの志村とCIOの上田です。 よいよ最終回です。 まずは今までの振り返りをしていきます。 まず最初にdocker環境を構築しpytorchが動くところまでをやってみました。 Docker環境でPyTorch 〜画像解析〜 #01 環境構築編 次にサンプルデータを使ってモデルを訓練し、調教済みモデルを保存して実際に判定までやってみました。 Docker環境でPyTorch 〜画像解析〜 #02 モデル訓練&保存編 次に既に調教されまくったモデルを利用して、少ない学習データからでも精度の高いモデルを保存する転移学習をやりました。 Docker環境でPyTorch 〜画像解析〜 #03 転移学習編 次にセクシー女優を判定すべく学習データを作る処理を行いました。 Docker環境でPyTorch 〜画像解析〜 #04 セクシー女優学習データ作成編 そして最終回の今回

import torch import torch.utils.data as data import quandl class SampleSet(data.Dataset): def __init__(self): quandl.ApiConfig.api_key = "xxxx" # quandlのAPIKEY df = quandl.get("WIKI/AAPL") self.df = df self.w1 = 1 self.w2 = 0.1 def __getitem__(self, index): index = index + 5 array_data = [self.df['Adj. Close'][index - 1] * self.w1, self.df['Adj. Close'][index - 2] * self.w1, self.df['Adj. Close'][

はじめに 株式会社クリエイスCTOの志村です。 前回の続きです。 この記事に最初に行き着いた方は前回の記事を見ていただき、環境を作るところから始めてください。 Docker環境でPyTorch 〜画像解析〜 #01 環境構築編 Docker環境でPyTorch 〜画像解析〜 #02 モデル訓練&保存編 Docker環境でPyTorch 〜画像解析〜 #03 転移学習編 社員の曽宮、モトキが四苦八苦しながらまとめているこちらの記事もよろしかったらどうぞ Anaconda環境でPyTorch 〜株価予想〜 #04 予測(リベンジ)編 今回はセクシー女優で学習データを作っていくぞということで、下準備のために上田パイセン に 学習データの収集をお願いしたら、wikiやらなんやらをスクレイピングしてきたらしく セクシー女優名鑑が完成されていました(笑) こちらは技術選定をしつつ色々ネットを漁って。。

はじめに 株式会社クリエイスのモトキです。 前回、進まなかったので今回引き続き予測を進めていきます。 Anaconda環境でPyTorch 〜株価予想〜 #01 環境構築編 Anaconda環境でPyTorch 〜株価予想〜 #02 基礎知識・学習編 Anaconda環境でPyTorch 〜株価予想〜 #03 予測編 Anaconda環境でPyTorch 〜株価予想〜 #03 予測(リベンジ)編 (今回) やったこと とりあえず分からなくてもいいから動かそうということで新たにソースをお借りしました。 https://github.com/melissa135/mlp_stock 文字コードが中国語のものだったり、スペースタブが混じっているので修正してから始めます。 このソースではCSVから取得しています。しかもpandasで取り込んでおりquandlに変えても同じ様に扱えます。 date,

はじめに 株式会社クリエイスの曽宮です。 前回は、ざっくり環境構築と試しに株価を取得しました。 Anaconda環境でPyTorch 〜株価予想〜 #01 環境構築編 Anaconda環境でPyTorch 〜株価予想〜 #02 基礎知識・学習編 Anaconda環境でPyTorch 〜株価予想〜 #03 予測編（今回） Anaconda環境でPyTorch 〜株価予想〜 #04 予測(リベンジ)編 Anaconda環境でPyTorch 〜株価予想〜 #05 表示編 前回は学習はさせましたが、予測まではできていません。 今回は学習結果を保存し、そのデータを使って予測するところまでやりますやりたかったです。 学習結果の保存 前回の続きでagent.pyに学習データを保存する処理を追加します。 import torch # 前回からの追加行 import torch.nn as nn impor

はじめに 株式会社クリエイスCTOの志村です。 前回の続きです。 この記事に最初に行き着いた方は前回の記事を見ていただき、環境を作るところから始めてください。 Docker環境でPyTorch 〜画像解析〜 #01 環境構築編 volumesに- ./data:/workspace/dataを追記しました 今回も上田先生 に解説してもらいます。 社員の曽宮、モトキが四苦八苦しながらまとめているこちらの記事もよろしかったらどうぞ Anaconda環境でPyTorch 〜株価予想〜 #03 予測編 この記事でやること 事前調教済みモデルのResNet18を使って転移学習を行います。 この記事でやらないこと Dockerfileを使って公式Imageを元にカスタムImageを作りません AWSのECS,　EKSには対応いたしません コピペしやすい様にコードブロックの頭のユーザーマーク($, %,

Deleted articles cannot be recovered. Draft of this article would be also deleted. Are you sure you want to delete this article?

はじめに 株式会社クリエイスCTOの志村です。 前回の続きです。 この記事に最初に行き着いた方は前回の記事を見ていただき、環境を作るところから始めてください。 Docker環境でPyTorch 〜画像解析〜 #01 環境構築編 今回は、自分がコードを作って上田先輩 にいっぱいコメントを書いてもらいました。 畳み込みってなんやねんって思うところもあると思いますが、ソースコードを分解して役割を明確にしているのでフレームワークに沿った動きの理解はしやすいのではないかと思います。 この記事でやること 前回同様CIFAR10のデータセットを利用し、サンプルコードを改変してモデルの訓練と保存をするところまで進めていきます。 ソースと関連するコメントはコードブロック内に記述します。 この記事でやらないこと Dockerfileを使って公式Imageを元にカスタムImageを作りません AWSのECS,　

Deleted articles cannot be recovered. Draft of this article would be also deleted. Are you sure you want to delete this article?

はじめに 株式会社クリエイスCTOの志村です。 何回かに渡り、PyTorch(ディープラーニング)で画像解析をする実践で使えそうなコードを掲載していきたいと思います。 せっかくなのでDockerで環境構築をしていきます。 最終的にはキャプチャー認証を突破できるレベルまで持ってけたらと思っています。(できなかったらごめんなさい) 大前提として自分、AI絡みの裏の仕組みは全くと言っていいほど理解していませんから。 今となっては微分積分すら怪しいです。はい。 そんな感じですが、その辺の意味不明な計算式を勝手にやってくれるフレームワークがせっかくあるのですからあやかれば良いんです。 経緯 上田「PyTorchが正式リリースされたから他のフレームワークと何が違うのか触ってみよう」 志村「来たAI！！クリエイスもとうとうこの分野に手を出しちゃいますか！」 曽宮・モトキ「AI？それっておいしいんですか？

Deleted articles cannot be recovered. Draft of this article would be also deleted. Are you sure you want to delete this article? はじめに 株式会社クリエイスCTOの志村です。 二回に渡り フロントエンド・テストツール比較 Selenium #01環境構築編 フロントエンド・テストツール比較 Selenium #02テスト編 をお送りしてきましたが、Selenium ぶっちゃけ色々な種類が多すぎてわけわからんですよね？ モトキ 「WebDriverIOを使うのでインストールしてください」 志村「は？Seleniumじゃねーの？？そもそもFirefoxのアドオンでやるんじゃねーの？？」 モトキ「。。。」 こんなはずかしい会話になってしまったり。。。 ということで、今

はじめに 今回のはNode単体で実行可能なPuppeteerの長所を活かして Slackとの連係機能を足してみようと思います。 nodeの実行環境はHerokuを使用します。 ちなみに、HerokuではなくGCPに実装しようとすると地雷があり動かすことができなかったので、詳細はページ下部で見てください。 google analyticsのオーガニック検索結果が取得出来なくて皆困っているので URLを入力すると、どのキーワードで何番目に表示されてますよ〜的な事ができるようにしてみたいと思います。 この記事のゴール お手軽感ハンパないPuppeteerを、価値ある仕組みとしてユーザーへお手軽にお届けできるようにしたいわけです。 その為に、今回はユーザーがSlackを使い、Puppeteerを利用して何かできる仕組みを考えてみたいと思います。 Slackの設定 slack側のインターフェースとし

Deleted articles cannot be recovered. Draft of this article would be also deleted. Are you sure you want to delete this article?

const puppeteer = require('puppeteer'); const loginUrl = 'http://***/' // テストするURL const pageTitle = 'React Test'; const id = 'takeda'; const pw = 'shinji'; const inputList = ['javascript', 'ruby', 'scala']; // ログイン画面の操作 async function phase1(page) { console.log('start phase1'); // ログインページに遷移する await page.goto(loginUrl); // @TODO titleのアサーション →puppeteerではアサーションは未実装 await page.screenshot({ path: 'i

Deleted articles cannot be recovered. Draft of this article would be also deleted. Are you sure you want to delete this article?

この記事でやること Puppeteerの環境構築を行い、Headless-Chromeが動くのを確認するまで。 自己紹介 株式会社Creaithの上田です。 社員の曽宮が、フロントエンドテストツールはpuppeteerが最高などとって言ってたら 同僚のモトキが「seleniumでも同じことやってやる」と言い出したので。 社員の曽宮が記事を書き、私はそれを見守る事になりました。 えぇ　全力で見守るだけです。 もちろん対決なので負けたら、一蓮托生、私もそれに巻き込まれてゴニョゴニョゴニョ いろいろ比較していきPuppeteerを活用できる様になれるとこまでを連載して行こうと思います。 比較対象：フロントエンド・テストツール比較 Selenium #01環境構築編 Puppeteerとは 「ぱぺってぃ~あ」はとにかく環境構築がメタクソに楽なのです 先日Google Chromeにヘッドレス機能が