DCGAN face generator demo
各タグベクトルに強度を掛けた総和 ＋ ノイズ を元に、ニューラルネットが画像を生成します noise strengthスライダーでノイズ強度を調整できます。変な画像が多いときは下げて、似たような画像ばかり出るときは上げましょう 各タグ強度の初期値は0で、右に動かすとプラスに、左に動かすとマイナスになります draw!ボタンを押すと、ノイズはそのままにタグ強度の更新を反映します shuffle!ボタンを押すと、タグ強度の更新を反映し、ノイズも再サンプルします reset!ボタンは各タグ強度を0にリセットするだけです Chainer-DCGANで生成された画像は自由に使用することができます。使用により生じた一切の損害に対し、Chainer-DCGANの開発者は責任を負いません。
Long Short-term Memory
3. Grid Long Short-term Memory 面白そうな論文 ”Grid Long Short-term Memory” [Kalchbrenner+ 2015] Long Short-term Memory(LSTM)を縦横につなげ てやるとWikipediaの文字予測タスクでNN界最強 中国語英語翻訳でもphrase-based reference systemよりはるかに性能がいい これを理解するために遡っていく… 3 http://arxiv.org/abs/1507.01526 4. LONG SHORT-TERM MEMORY 今回解説するのはこれ、LSTM元祖の論文 “LONG SHORT-TERM MEMORY” [Hochreiter&Schmidhuber 1997] Recurrent Neural Networkの問題点を指摘し、 LSTMを考案した
AI、IoT、ビッグデータなど知っておくべき4つの俯瞰図 | IT Leaders
IT Leaders トップ ＞ テクノロジー一覧 ＞ 業界動向 ＞ 市場動向 ＞ AI、IoT、ビッグデータなど知っておくべき4つの俯瞰図 業界動向 業界動向記事一覧へ [市場動向] AI、IoT、ビッグデータなど知っておくべき4つの俯瞰図 2015年7月15日(水)田口 潤（IT Leaders編集部） リスト 米国ではベンチャーキャピタリストなどの投資家が、担当分野の俯瞰図（ランドスケープ）を作成し、公開しているケースがある。分野の動きを追ったり企業動向を把握するには状況を一覧して把握できる俯瞰図が、とても都合がいいからだだろう。この種の整理は日本のITリーダーにとっても大いに参考になる。 例えば、Machine Intelligence（http://www.shivonzilis.com/）。いわゆるスマートマシン分野の俯瞰図だが、コア技術だけでもArtificial Intel
ディープラーニングを小学生でも使えるようにしてみる
ディープラーニングを小学生でも使えるようにしてみる Trial to make easy to use deep learned neural network 2015.06.30 Updated by Ryo Shimizu on June 30, 2015, 06:59 am JST この一ヶ月で、ディープラーニングが急激に使いやすくなってきています。 Google傘下のディープラーニング研究グループDeep Mindでインターンをしているスタンフォード大学の学生はこんな台詞をツイートしています。 「ディープラーニングに関して、新しくクールな論文が発表される速度は、それを読める速度より速い」 それこそ毎日のようにディープラーニングに関する何らかの新しい話題が出てきます。 それくらい、ディープラーニングは盛り上がっているのです。 「人工知能は人間を超えるか」を記した東京大学の松尾豊先生に
【機械学習】ディープラーニング フレームワークChainerを試しながら解説してみる。 - Qiita
今話題のDeep Learning(深層学習)フレームワーク、Chainerに手書き文字の判別を行うサンプルコードがあります。こちらを使って内容を少し解説する記事を書いてみたいと思います。 (本記事のコードの全文をGitHubにアップしました。[PC推奨]) とにかく、インストールがすごく簡単かつ、Pythonが書ければすぐに使うことができておすすめです！ Pythonに閉じてコードが書けるのもすごくいいですよね。 こんな感じのニューラルネットワークモデルを試してみる、という記事です。 主要な情報はこちらにあります。 Chainerのメインサイト ChainerのGitHubリポジトリ Chainerのチュートリアルとリファレンス 1. インストール まずは何はともあれインストールです。ChainerのGitHubに記載の"Requirements" ( https://github.co
【機械学習】ディープラーニング フレームワークChainerを試しながら解説してみる。 - Qiita
今話題のDeep Learning(深層学習)フレームワーク、Chainerに手書き文字の判別を行うサンプルコードがあります。こちらを使って内容を少し解説する記事を書いてみたいと思います。 (本記事のコードの全文をGitHubにアップしました。[PC推奨]) とにかく、インストールがすごく簡単かつ、Pythonが書ければすぐに使うことができておすすめです！ Pythonに閉じてコードが書けるのもすごくいいですよね。 こんな感じのニューラルネットワークモデルを試してみる、という記事です。 主要な情報はこちらにあります。 Chainerのメインサイト ChainerのGitHubリポジトリ Chainerのチュートリアルとリファレンス 1. インストール まずは何はともあれインストールです。ChainerのGitHubに記載の"Requirements" ( https://github.co
PFN発のディープラーニングフレームワークchainerで画像分類をするよ(chainerでニューラルネット1) - 人工言語処理入門
1日ちょっと前に、PFNから新しいディープラーニングフレームワーク"chainer"が公開されました[1]。触ってみた感じの特徴は、pythonのコードで完結するので、システムに組込みしやすそうで、処理の内容も読みやすい。同時に、処理の内容に興味を持たずに使うには難しいという思いでした。ベースにしてあたらしいツールを作るには最適に感じるので、これから、chainerをベースにした様々な用途のツールができるのが期待されます。 CPU用インストール ~ MNISTのトレーニング ここでは、chainerのチュートリアル[1]に書いてあるとおりにインストールと初期タスクをおこなうだけです。 インストールは、githubからソースを落としてきてpython setup.py installでも、pipで入れてもいいと思います。とりあえずここではpip pip install chainer これで
機械学習ライブラリ Chainerの紹介 - のんびりしているエンジニアの日記
皆さんこんにちは お元気ですか。私は元気です。 Chainerと呼ばれる機械学習ライブラリを紹介しようと思います。 Chainerについて Chainerとは？ ChainerはPreffered Networksが開発したニューラルネットワークを誤差伝播で学習する ライブラリです。(Python)chainer.org 特徴として、Chainer は、「実際に Python のコードを用いて入力配列に何の処理が適用されたかだけを記憶しておき、それを誤差逆伝播の実行に使います」だそう。 Install sudo pip install chainer 基本的にこれだけのインストールが非常に簡単なソフトウェアです。 他のライブラリとの比較 ディープラーニングが活かすIoTより抜粋。 個人的に注目した違いは以下の3点 CaffeもTheanoも勉強することが多い。（設定ファイルとか） 短く書け
NVIDIA、TITAN Xと新開発のDIGITSトレーニング・システム、DIGITS DevBoxでディープラーニングを強力に推進 | NVIDIA
NVIDIA、TITAN Xと新開発のDIGITSトレーニング・システム、DIGITS DevBoxでディープラーニングを強力に推進 by Kimberly Powell · March 17, 2015 技術的にとても難しい課題に対処するため、NVIDIAでは、ディープラーニング研究の分野にかつてないほどのスピードと使いやすさ、パワーをお届けできるハードウェアとソフトウェアを新たに開発しました。 ディープラーニングというのは、最近、急速に発展している人工知能の一分野で、医療や医薬品の研究から完全自律走行の自動車の開発にいたるまで幅広い分野におけるコンピューティング・イノベーションを推進する原動力となっています。 今回、GPU Technology Conferenceの開幕にあたり4,000人の来場者を前に行った基調講演で、NVIDIAのCEO兼共同創立者、ジェンスン・フアン（Jen-H
Deep Learning のフレームワーク Chainer を公開しました - Preferred Networks Research & Development
こんにちは、得居です。最近は毎晩イカになって戦場を駆けまわっています。 本日、Deep Learning の新しいフレームワークである Chainer を公開しました。 Chainer 公式サイト GitHub – pfnet/chainer Chainer Documentation Chainer は、ニューラルネットを誤差逆伝播法で学習するためのフレームワークです。以下のような特徴を持っています。 Python のライブラリとして提供（要 Python 2.7+） あらゆるニューラルネットの構造に柔軟に対応 動的な計算グラフ構築による直感的なコード GPU をサポートし、複数 GPU をつかった学習も直感的に記述可能 ニューラルネットをどのように書けるか 次のコードは多層パーセプトロンの勾配を計算する例です。 from chainer import FunctionSet, Vari
Caffeで手軽に画像分類
ヤフー株式会社は、2023年10月1日にLINEヤフー株式会社になりました。LINEヤフー株式会社の新しいブログはこちらです。LINEヤフー Tech Blog こんにちは。システム統括本部 データソリューション本部の宮崎です。 最近ディープラーニングと呼ばれる技術の話題を耳にすることが増えてきました。 この記事ではディープラーニングの手法を実装し画像認識系の用途で便利に使えるCaffeというツールの使い方を紹介します。 Caffeの概要 Caffeは、C++で実装されGPUに対応した高速なディープラーニングのライブラリです。 大規模画像認識のコンテストILSVRCで2012年にトップとなった畳込みニューラルネットワークの画像分類モデル[1]がすぐに利用できるようになっています。 Caffeは、カリフォルニア大学バークレー校のコンピュータビジョンおよび機械学習に関する研究センターであるBV
MIRU2014 tutorial deeplearning
Semi supervised, weakly-supervised, unsupervised, and active learningYusuke Uchida
画像をアップすると自動で説明文を生成してくれる「Images to Text」
By Michele Cannone 画像を認識して位置決めや種別・計測・検査を行うようなシステムのことを「マシンビジョン」と呼び、これは読んで字のごとく「機械の目」となるようなシステムを指します。そんなマシンビジョンの核となるのが「画像認識アルゴリズム」で、現在の技術では既に高度な画像認識アルゴリズムの開発に成功しています。Googleでは、これを応用して画像を読み込み自動で説明文章を生成可能なシステムの開発に成功しており、このシステムを誰でも気軽に使用することができるデモページ「Images to Text」まで登場しました。 Images to Text - Toronto Deep Learning http://deeplearning.cs.toronto.edu/i2t 説明文を自動生成したい場合は、「画像URLを入力」もしくは「ローカルからファイルをアップロード」する必要が
1
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
Chainerの使い方と自然言語処理への応用
IoTとDeep Learningで自宅警備員を育ててみる
GitHub - ryankiros/skip-thoughts: Sent2Vec encoder and training code from the paper "Skip-Thought Vectors"
GitHub - jetpacapp/DeepBeliefSDK: The SDK for Jetpac's iOS Deep Belief image recognition framework