2019年 3月 4日 月曜日 15時53分51秒 JST archive: 2018.05.25,2017.11.20,2017.03.30,2016.11.07,2016.04.28, 2016.01.01, 2015.05.16, 2015.04.03, 2015.03.16, 2015.02.07 国立
2019年 3月 4日 月曜日 15時53分51秒 JST archive: 2018.05.25,2017.11.20,2017.03.30,2016.11.07,2016.04.28, 2016.01.01, 2015.05.16, 2015.04.03, 2015.03.16, 2015.02.07 国立
注意: 最新版のドキュメントをご覧ください。この第1版ドキュメントは古くなっており、最新情報が反映されていません。リンク先のドキュメントが現在の Rust の最新のドキュメントです。 エラーハンドリング 他のほとんどのプログラミング言語と同様、Rustはプログラマに、ある決まった作法でエラーを扱うことを促します。 一般的にエラーハンドリングは、例外、もしくは、戻り値を使ったものの、大きく2つに分類されます。 Rustでは戻り値を使います。 この章では、Rustでのエラーハンドリングに関わる包括的な扱い方を提示しようと思います。 単にそれだけではなく、エラーハンドリングのやり方を、ひとつひとつ、順番に積み上げていきます。 こうすることで、全体がどう組み合わさっているのかの理解が進み、より実用的な知識が身につくでしょう。 もし素朴なやり方を用いたなら、Rustにおけるエラーハンドリングは、冗長
今回は、学習済みモデルを使って独自データを追加学習させる「転移学習」を使ってアプリケーションを作成します。画像認識の学習済みモデルであるInception‐v3をもとに、収集した画像を追加学習させてあらたな学習モデルを作成し、花の種類を見分けられるアプリケーションを作ってみましょう。 1.はじめに TensorFlowで実用レベルの画像認識を行うには、学習データの収集やモデルのチューニングが必要で、必ずしも思った通りの精度が出ない事もあります。そこで今回は学習済みモデルを使って独自データを追加学習させる「転移学習」を使い、花の種類を推測するWebアプリケーションを作ってみましょう。 2.転移学習とは まず、おさらいをしておきましょう。機械学習をアプリケーションに組み込む場合、大きく分けて次のパターンが考えられます。 図1 機械学習の実装パターン 連載[第1回]~[第5回]では、Google
AbstractSimilarity search, such as identifying similar images in a database or similar documents on the Web, is a fundamental computing problem faced by many large-scale information retrieval systems. We discovered that the fly’s olfac-tory circuit solves this problem using a novel variant of a traditional computer science algorithm (called locality-sensitive hashing). The fly’s circuit assigns si
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