[B! qiita][self][C] slay-tのブックマーク

slay-t id:slay-t

qiitaとselfとCに関するslay-tのブックマーク (2)

ゼロから作るDeep Learningで素人がつまずいたことメモ:7章 - Qiita
7章畳み込みニューラルネットワークこの章は、畳み込みニューラルネットワーク（CNN）の説明です。 7.1 全体の構造これまでのAffineレイヤーやSoftmaxレイヤー、ReLUレイヤーに加えて、Convolution（畳み込み、コンボリューション）レイヤーとPooling（プーリング）レイヤーが出てくる説明です。 7.2 畳み込み層畳み込み層の説明は、画像処理を少しかじっておいた方が読みやすいです。「画像は通常、縦・横・チャンネル方向の3次元の形状です」とありますが、画像は縦・横の2Dデータですから、3次元だと奥行きまで加わった3Dデータになるのでは？と思われる方もいるも知れません。ここでの「チャンネル」というのは、RGBなどの色ごとの情報を指しています。MNISTのようなグレースケール（白黒の濃淡のみ）のデータであれば1つの点の濃さを1つの値で表現できるので1チャンネルで
slay-t 2020/02/12
C

qiita

self

機械学習
リンク
[最新論文/GAN] ラベルがないなら推測すればいい。 - Qiita
Deleted articles cannot be recovered. Draft of this article would be also deleted. Are you sure you want to delete this article? 論文紹介・画像引用 Google Brainより2019.3.6提出 https://arxiv.org/pdf/1903.02271v1.pdf 本研究のGANの特徴と成果 FIDスコア（低い方が良い）スコア８～９の間にある縦線はベースライン（すべてラベル付けされた画像を使ったBigGAN）本研究の方法（$S^3GAN$）ではラベル付けされた画像は全体のたった１０%にも関わらずSOTAであるBigGANと同等の性能になったまた全体の２０%をラベル付けされた画像にするとBigGANを超える性能となった解像度128×128 上段
slay-t 2019/03/12
学習

画像

self

C

qiita
リンク
1

お知らせ

もっと読む

公式Twitter

@HatenaBookmark
リリース、障害情報などのサービスのお知らせ
@hatebu
最新の人気エントリーの配信

キーボードショートカット一覧

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

設定を変更しましたx