PFNのChainer対応の推論処理ボード、PFUが発売
PFUは、産業向けエッジコンピューティング事業の幅を広げる（ニュースリリース）。その第１弾として、深層学習の推移処理を実行するPCI Expressボード「＜AI400シリーズ＞Deep Learningアクセラレータカード」を発売した。 これまで同社のエッジコンピューティング事業は、コントローラー（産業用PC/コンピューター）の開発・販売に集中していた。今後はコントローラーに加えて、ソフトウエアや周辺（拡張用）ハードウエアの開発・提供も積極的に行い、システム全体に事業領域を広げる。なお、オンプレミスのサーバーやPCへは今回は進出しないという。「ハードウエアとしてはオンプレミスのコンピューターも、エッジコンピューティングのコントローラーもほぼ同じだが、まずは、エッジ・コンピューティング・システム全体に事業を広げることに力を入れる」（同社）。 エッジコンピューティング事業の幅を広げる。従来は
Chainerの可視化・実験管理を支援するChainerUIを公開 | Preferred Research
Chainer上の実験中の学習ログの可視化や実験管理機能を追加するパッケージ、ChainerUIを公開しました。 GitHub ChainerUIは、多くのChainerユーザが持つ「学習中の実験ジョブの進捗を手軽に知りたい」、「複数の実験ジョブの手軽に管理したい」ニーズに応えるために開発しました。 具体的には、下記の機能を備えています。 学習ログの可視化 実験履歴閲覧 実行中の実験に対する操作 (スナップショット・学習ハイパーパラメーター修正) 本パッケージは、Chainerの学習用Trainerを監視するChainer extensionとして機能するものです。このChainer extensionを有効化した実験を、Webブラウザからリアルタイムで監視、制御することができます。複雑な依存関係がないため、Trainerを用いる既存の実験スクリプトに簡単に導入できます。 学習ログの可視化
We have released ChainerUI, a training visualizer and manager for Chainer - Preferred Networks Research & Development
We have released ChainerUI, a training visualizer and manager for Chainer We have released ChainerUI, to help visualize training results and manage training jobs. GitHub Among Chainer users, there are demands to watch the progress of training jobs or to compare jobs by plotting the training loss, accuracy, and other logs of multiple runs. These tasks tend to be intricate because there were no suit
Chainer2.0でDeep Embedded Clustering - Qiita
データの次元圧縮手法について調べている時に、後輩が次元圧縮 + クラスタリングを同時に学習するディープラーニングの手法「Deep Embedded Clustering」を調べて教えてくれたのでせっかくだからChainerで実装してみようというのがこの記事です。 実装したコードはGithubで公開しています。 https://github.com/ymym3412/DeepEmbeddedClustering Deep Embedded Clusteringとは Deep Embedded Clusteringは「Unsupervised Deep Embedding for Clustering Analysis」という論文の中で提案されているクラスタリングの手法です。 次元圧縮やクラスタリングの手法は他にも以下のようなものがあります。 k-means、混合ガウスモデル(GMM) 高速に
Deep RL Bootcamp - Labs
Prelab instructions: Set up your computer for all labs. Lab 1: Markov Decision Processes. You will implement value iteration, policy iteration, and tabular Q-learning and apply these algorithms to simple environments including tabular maze navigation (FrozenLake) and controlling a simple crawler robot. Lab 2: Introduction to Chainer. You will implement deep supervised learning using Chainer, and a
Chainer v2.0.0 and our future development plans
Chainer v2.0.0 and our future development plans By Seiya Tokui Jun 1, 2017 In Announcement We have released Chainer v2.0.0 today! This is the first major update of Chainer. The detailed updates from the beta release can be found in the release notes. You can also find the differences between v1 and v2 in the Upgrade Guide. Note that the repository has been moved to chainer/chainer. Any access to t
Chainerの学習の様子をリモートで確認するExtensionを作った - 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GWでリフレッシュして、生き返りました。 Kaggleをやっているとき（特に画像などの長い場合）にリモートで 今学習されているかどうか、誤差はどうかなどのモデルの 様子が気になることはありませんか？ 私は画像認識系のコンペを実際に行っている時に、気になることがあります。 これどうしようかと考えていたのですが、歩いている時にふと思いついたので実装しました。 このアイデアの実装のために、新しいChainerのExtensionを開発しました。（Trainerを使う想定です） アイデア Slackであれば外出中も見れると考えました。 そのため、学習の途中経過（lossなど）を投稿すれば見れる！ 実装イメージは次の図に掲載しました。 コードを見た限りだと、Extensionで実装できそうだったので、トライしました。 Extensionの実装方法 Extensio
Chainerでマルチタスクニューラルネットワークを実装した - 人間だったら考えて
注：この記事の実装は非効率的かもしれません． この記事は何？ マルチタスク学習をニューラルネットワークに適用した研究がいくつか報告されています． 適用例として，Georgeら(2014)の研究では，タンパク質に対する化合物の活性予測にニューラルネットワークを用いたマルチタスク学習を適用しています． また，Xiaodongら(2015)の研究では，自然言語処理のタスクとしてクエリ分類と情報検索の2つのタスクを同時に解くマルチタスク学習を提案しています． 私はDNNを実装する時はChainerを使っているのですが，Chainerでマルチタスク学習を実装した例が見当たらなかったため自分で実装してみました． ネットワーク構造 解くタスクは2つとします．2つのタスクに対応するネットワークが存在し，それぞれのネットワーク間で一部の層を共有するようなネットワーク構造を考えます（下図参照）． 学習の進め方
初心者がchainerで線画着色してみた。わりとできた。
ﾃﾞｰﾌﾟﾗｰﾆﾝｸﾞはコモディティ化していてハンダ付けの方が付加価値高いといわれるﾋﾟ-FNで主に工作担当のtai2anです。 NHKで全国放送されたAmazon Picking Challengeでガムテべったべたのハンドやロボコン感満載の滑り台とかを工作してました。 とはいえ、やっぱりちょっとディープラーニングしてみたいので1,2か月前からchainerを勉強し始めました。 せっかくなので線画の着色をしたいなーと思って色々試してみました。 線画の着色は教師あり学習なので線画と着色済みの画像のデータセットが(できれば大量に)必要です。 今回はOpenCVでカラーの画像から線画を適当に抽出しています。 抽出例 → カラーの画像を集めて線画を作ればデータセットの完成です。（今回は６０万枚くらい使っています） ネットワークの形ですが、U-netという最初の方でコンボリューションする時の層の出
chainerのliniar.pyの演算処理を確認する - Qiita
環境 GPU GTX1070 ubuntu 14.04 chainer 1.14.0 など はじめに chainerで最新のモデルを実装する際には、links/connectionやfunctions/connectionをいじる必要がある。 そこで最も単純なlinear.pyをいじって、新しい層を作ってみる。第１回めはlinear.pyの中身を確認する。 MNISTで性能を確認する まず、MNISTで性能を確認する。sampleのtrain_mnist.pyには以下のように３層のlinearが使われている。 # Network definition class MLP(chainer.Chain): def __init__(self, n_in, n_units, n_out): super(MLP, self).__init__( l1=L.Linear(n_in, n_units)
今年(2016)参考にさせてもらったChainerの論文実装、サンプルコード集 - studylog/北の雲
去年書いたサンプルコード集の2016年版です。 個人的な興味範囲のみ集めているので網羅的では無いとは思います。 基本的に上の方が新しいコードです。 QRNN(Quasi-Recurrent Neural Networks) 論文ではchainerを使って実験しており、普通のLSTMはもちろんcuDNNを使ったLSTMよりも高速らしい。 一番下にchainer実装コードが埋め込まれている。 New neural network building block allows faster and more accurate text understanding [1611.01576] Quasi-Recurrent Neural Networks Softmaxなどに要している時間を除き純粋にRNN部だけで比較すると相当速くなっているのがわかる。 このように実験でchainerが使われている研
Chainerのソースを解析。学習ループは Trainer に | コード７区
MNIST のサンプルの 大体 の流れを追ってみます。（詳しい処理はこちらで） バージョンは 1.14.0 、2016年9月5日時点のソースです。 全体の流れはこうなっており ① モデルの生成 ② オプティマイザの生成 ③ 学習データのダウンロード ④ trainer、updater の生成 ⑤ Extension の登録 ⑥ 学習ループ ソースはこんな感じです。
深層学習フレームワーク Chainer の開発と今後の展開
MIRU2016 でのチュートリアル講演のスライドです。深層学習フレームワークの一般的な構成から、Chainer の解説、深層学習における OSS 開発の例と学生・研究者がそこにどのように関わっていくかについて書いています。Read less
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
Deep LearningフレームワークChainerと最近の技術動向
GitHub - intel/chainer: Intel® Optimization for Chainer*
GitHub - hvy/chainer-wasserstein-gan: Chainer implementation of the Wesserstein GAN
Chainerのソースを解析。順伝播と逆伝播の仕組み | コード７区
Google Colab
Loading...
Amazon.co.jp: Chainerによる実践深層学習: 新納浩幸: 本
