リコーがベンチャー共創に｢本気｣の理由 ── BONXと創る｢リモート｣時代のコミュニケーションシステム | BUSINESS INSIDER JAPAN
働く人の｢非効率｣を減らして生産性をあげ、多様な働き方をつくっていく｢働き方改革｣。この言葉がバズワードになる一方で、テレワークを実施した企業のなかには、チームの情報共有に課題を感じたり、実際には“ただの労働時間削減になっている”といった例も少なくない。 別々の場所で働きながら、情報共有の速度を落とさず、むしろ生産効率が上がる方法はないのか？ このほど、総合商社の従業員組合が行った、あるテレワークの試験導入と結果は、その解決のヒントになるかもしれない。 総合商社の組合が試験導入した｢スタートアップの技術｣ 丸紅従業員組合 副書記長の小澤悠氏。丸紅従業員組合では、一般的な組合活動としてイメージする報酬交渉や待遇の改善だけではなく、組合主導で社員の働く環境の改善を提案するのが、ユニークなところだ。 プロジェクトを推進した丸紅従業員組合 副書記長の小澤悠氏によると、社員への調査で、｢働き方の選択
CIFAR-10で「天然物か人工物かどうか」のフラグを入れて分類すると精度が上がるか？ - Qiita
前回のランドマーク検出で、「実は損失関数を改造すると収束が速くなる、良くなることがある」というのを確認できました。今回はそれを分類問題にも適用してうまくいくのかどうかを軽く検証します。 結果だけ読みたい方は「結果」のとこまで飛んでくださいね。結論から言うと上がります。 訓練時にはラベルが何かだなんて一切教えていない ここにCIFAR-10の画像一覧があります。CIFAR-10の公式サイトからです。 人間がこれを見ると、1番目は飛行機で2番目は自動車で3番目は猫で…と、クラスごとに飛行機、自動車といったラベル名が対応付けられているように見えます。しかしこんなの訓練時には一切教えていないんですよね。だから、機械学習やディープラーニングでラベルと呼んでいるものは、あくまで「なんかそれっぽい区分けが10個あって、これとこれとこの画像は1番目の区分け、この画像は2番目の区分けに行くように最適化しなさ
Kerasでちょっと難しいModelやTrainingを実装するときのTips - Qiita
はじめに ※ Keras2 を対象にしています。 Kerasのコードはシンプルでモジュール性が高いのでシンプルに記述可能で、理解しやすく使いやすいです。 ただし、標準で用意されている以外のLayerや学習をさせようとすると、あまりサンプルがなくてどう書いていいかわからなくなることが多いです。 最近いくつか変わったModelを書いた時に学んだTipsを備忘録も兼ねて共有します。 目次 Functional APIを使おう Weightを共有したい場合は Container を使うと便利 「LayerのOutput」と「生のTensor」は似て非なるもの Lambdaを使った簡易変換は便利 カスタムなLoss FunctionはSample別にLossを返す LayerじゃないところからLoss関数に式を追加したい場合 学習時にパラメータを更新しつつLossに反映した場合
Kerasによるデータ拡張 - 人工知能に関する断創録
今回は、画像認識の精度向上に有効な データ拡張（Data Augmentation） を実験してみた。データ拡張は、訓練データの画像に対して移動、回転、拡大・縮小など人工的な操作を加えることでデータ数を水増しするテクニック。画像の移動、回転、拡大・縮小に対してロバストになるため認識精度が向上するようだ。 音声認識でも訓練音声に人工的なノイズを上乗せしてデータを拡張するテクニックがあるらしいのでそれの画像版みたいなものだろう。 ソースコード test_datagen2.py test_datagen3.py ImageDataGeneratorの使い方 #3 - GithubのIssuesでTODOを管理し始めた ImageDataGenerator Kerasには画像データの拡張を簡単に行うImageDataGeneratorというクラスが用意されている。今回は、この使い方をまとめておきた
Kerasはfunctional APIもきちんと理解しよう - Qiita
以下の記事は自身のブログData Science Struggleでも掲載予定。許可なき掲載とかではない。 概略 Kerasを使えばTensorflowなどに比べて簡単に深層学習のコードを書くことができる。『深層学習、ニューラルネットワークに入門したいけど難しそう』と言う人は積極的にKerasを使っていくべきだと思う。 Kerasはモデルの表記方法が二種類あり、そのうちの一つであるfunctional APIを利用した記法について紹介する。 functional APIとは functional APIは，複数の出力があるモデルや有向非巡回グラフ，共有レイヤーを持ったモデルなどの複雑なモデルを定義するためのインターフェースです． 上記の説明はKerasの公式ドキュメントから抜粋したものになる。要するに、複雑なモデルを作るにはこれが必要だ ってことだ。 何故functional APIが必要
Google ColabのTPUで対GPUの最速に挑戦する
前回の記事が思わぬ反響で驚愕していますが、今回はColabのTPUを限界まで試してみたいと思います。特殊な条件にするとColabのTPUは、GPU比で20倍以上速くなることがわかりました。しかも無料です。それを見ていきましょう。 TPUがGPUと比べて速くなる条件とは 前回の結果からTPUがGPUと比べて速くなる条件は2つあることがわかりました。 多層パーセプトロン（MLP）よりも畳み込みニューラルネットワーク（CNN）であること バッチサイズを大きくできること 1点目ですが、CNNだから速いのではなく、CNNがパラメーター数の割に計算量が多い、つまり訓練時間のうち計算量が支配的になるからと捉えることもできます。なぜなら、CNNは1つの畳み込みフィルターでパラメーターを使いまわしするのですから。 またGPUで行ったフレームワーク別の調査をTPUに適用したところ、TPUではモデル（ResNe
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
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
M3AAWG 送信者のベストコモンプラクティス
国内のIPアドレスが対象、TCP 22/23/80番へのポートスキャンをNICTが実施へ、11月1日の改正法令施行を受け - INTERNET Watch