はてなブックマーク

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

昔はC#をメインで使ってたのでホームに帰ってきた気分。 unityのIDEさえ覚えれば使えるようになる。 ゲームプログラマにとっては当たり前の操作なのかもですが、 あまり関節とか意識することがなかったので勉強しようと思ってアセットを買いました。 Final IK https://www.assetstore.unity3d.com/jp/#!/content/14290 とりまこれでいいだろうと思って買いました。 ちょっと前まで半額だったそうで、良さげのアセットは半額のうちに買っとけって感じみたい。 まずはボールに向かってパンチ 実行してみる Aim IKをダブルクリック。 ▷の実行ボタンを押すと動く。 unityではGameObject.GetComponentを使わないと呼べないオブジェクトとGameObject.GetComponentを使わなくても呼べるオブジェクトがあるようです。

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

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

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

無駄な記述が多かったので書き直しました。こっちの方が早くみ終わります。 http://qiita.com/miyamotok0105/items/5f26e4ae41f0e35ded16 deep learing勉強用に環境構築。 結構苦労したので自分用にまとめました。 あまり相性が良くないようですが、anacondaとpyenv両方を入れています。 condaで環境切り替えします。 ####環境設定ツール ・pyenv,anyenv...pythonバージョンの切り替え ・virtualenv...pythonライブラリの独立環境構築 ・anaconda...pyenvとvirturalenvの合体 ・brew...macのライブラリ管理ツール ・pip...pythonのライブラリ管理ツール ・conda...pythonのライブラリ管理ツール ###環境構築でよくあるエラー インスト

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

はじめはこの辺の記事を読み漁った。 https://www.slideshare.net/cookle/5-58379474 http://qiita.com/hshimo/items/1881fba8957c2a6e17ca http://qiita.com/akitoh/items/bebf1bf3d71d3e4b96b0 で、ブロックチェインがすごくて役に立つのはわかった。 ざっくりしかわかってないが、ともかく動かしたい。間違ってたら突っ込んで頂ければと。 前から気になってたbigchaindbってライブラリを使ってみる。スケーラブルなブロックチェインdbだよと書いてある。 純粋なp2pって感じではなく分散DBとブロックチェーンが融合したライブラリ。 公式 https://docs.bigchaindb.com/en/latest/index.html #BigchainDB ユース

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

Thu Mar 2 13:49:14 2017 +-----------------------------------------------------------------------------+ | NVIDIA-SMI 367.57 Driver Version: 367.57 | |-------------------------------+----------------------+----------------------+ | GPU Name Persistence-M| Bus-Id Disp.A | Volatile Uncorr. ECC | | Fan Temp Perf Pwr:Usage/Cap| Memory-Usage | GPU-Util Compute M. | |===============================+=====

+------------------------------------------------------+ | NVIDIA-SMI . Driver Version: | |-------------------------------+----------------------+----------------------+ | GPU Name Persistence-M| Bus-Id Disp.A | Volatile Uncorr. ECC | | Fan Temp Perf Pwr:Usage/Cap| Memory-Usage | GPU-Util Compute M. | |===============================+======================+======================| | 0 Tesla K80 On

動画 Generalization and Equilibrium in Generative Adversarial Nets (GANs) torch7のpix2pix torch7がオリジナル http://qiita.com/masataka46/items/3d5a2b34d3d7fd29a6e3 DCGAN DCGANアーキテクチャ https://www.slideshare.net/xavigiro/deep-learning-for-computer-vision-generative-models-and-adversarial-training-upc-2016 https://blog.openai.com/generative-models/ 敵対生成で画像を生成する。ノイズを入力し、ジェネレーターで偽の画像を生成。ディスクリミネータで本物の画像を判定する。 ジェ

Deleted articles cannot be recovered. Draft of this article would be also deleted. Are you sure you want to delete this article? #大まかにいうと v1よりちょっと早くなったよ 検出できるクラス数が増えたよ(9000クラス) 犬の中にいろんな種類がいるよねってのまで学習できてる。すごい。 imagenet自体がwordnetという階層構造になっているので、 それでクラスを増やして各ノードで条件付き確率を予測が可能なようだ。 imagenet http://image-net.org/about-overview ImageNetは、WordNet階層に従って編成された画像データセットです。 WordNetの意味のある概念は、複数の単語や語句によって記述される可能性

A demo script of the Extremal Region Filter algorithm described in: Neumann L., Matas J.: Real-Time Scene Text Localization and Recognition, CVPR 2012 Traceback (most recent call last): File "textdetection.py", line 28, in <module> channels = cv2.text.computeNMChannels(img) AttributeError: module 'cv2.text' has no attribute 'computeNMChannels' --with-contribオプションが拡張機能なわけなんだけども C++ ムッチャ何回もbrew入れて消し

どうも。GIBの宮本です。 公式ドキュメントベースで調べました。 chainerにかなり近い構文になってますが、少し違いがある関数もあるので注意が必要です。 facebookやニューヨーク大学が主導してるイメージの深層学習フレームワーク。 chainerからforkされたらしい。torch7もfacebookやニューヨーク大学が主導してるイメージ。 torch7はluaで且つ抽象化があまりされてないので関数がむき出し。 pytorchはかなり抽象化されておりコーディング量が減る。 2017年３月時点のデベロッパー #コミッターさんのブログ Adam Paszkeさん http://apaszke.github.io/posts.html Soumith Chintala http://soumith.ch/ #盛り上がり具合 2017年３月時点。一概にgitのグラフで盛り上がり具合が測れる

始めに chainerと似て抽象化がされている。 違いの一例としてはネットワークの定義でユニット数の書き方がchainerと逆になってる。Dense(1, input_dim=784,... 出力ユニット数,入力ユニット数の順になってる。 この記事では関数の紹介、使い方、どこで使われてるかを説明できる範囲で紹介します。 ※layer_testというサンプルが多用されてますが、ただのテストコードなことに後で気づきましたので、そのうち直します。 継承関係 Layer ↑ Container ↑ Model ↑ Sequential Keras v2では名前が変わったりしてます。 今はv1を元に書いています。 http://qiita.com/miyamotok0105/items/322b29339e1771184b9e from keras.models import Sequential

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

kerasとsparkで分散するフレームワークElephasについて。 hadoop、sparkについての神資料 https://www.slideshare.net/hamaken/hadoop-spark-ibm-datapalooza-tokyo-2016 以下本文。 https://github.com/maxpumperla/elephas#usage-of-data-parallel-models ElephasはKerasの拡張版で、Sparkを使って分散した深い学習モデルを大規模に実行することができます。 Elephasは現在、次のような多くのアプリケーションをサポートしています。 概略的に、elephasは次のように動作します。 ###コンテンツの一覧： Elephas：Keras＆Sparkを用いた分散型ディープラーニング 前書き 入門 インストール 基本的な例 Spa

わざわざベンチマークをやったのを公開してる方もいるので、 フレームワークのバージョンなど少し古い convnet-benchmarks https://github.com/soumith/convnet-benchmarks ＞すべてのパブリックオープンソースのコンビネーション実装の簡単なベンチマーク。 要約は以下のセクションで提供されています。 マシーン:6-core Intel Core i7-5930K CPU @ 3.50GHz + NVIDIA Titan X + Ubuntu 14.04 x86_64 #Imagenet受賞者のベンチマーキング 私はいくつかの人気のイメージネットモデルを選び、完全なフォワード+バックワードパスの時間を計る。私は10回以上の時間を平均しています。私はドロップアウトとソフトマックスの層を無視しました。 ###記法 入力は{batch_size}

Deleted articles cannot be recovered. Draft of this article would be also deleted. Are you sure you want to delete this article? ニューラルネットのハイパーパラメータの最適化には 現状グリッドサーチよりランダムの方が精度が高いと言われている。 理由はどのパラメータが精度向上に影響しているかわからない為、 ランダムで探索し影響の高いところを集中的にチューニングしたほうが効果的だから。 それ以上こって作りたい場合は下記の方法を認識している。 １、ランダム ２、進化計算でハイパーパラメータを最適化 ３、ベイズ最適化でハイパーパラメータを最適化 ベイズ最適化はこっち https://github.com/RuiShu/Neural-Net-Bayesian-Optimiz