深さ可変のMLPを見つけて目から鱗だった話 - Qiita
はじめに kaggle等でMLPの実装を探すと，kerasのSequentialにDense層やDropout層をaddしまくるような実装をよく見かけます． torch.nn.Moduleを用いた実装では，Linearと活性化関数を2,3個繰り返す実装が多いように思います． これらはMLPの概念に忠実な実装です． しかしMLPの中間層の数を簡単に自由に変更できれば，より柔軟な実装ができるかもしれません． ここで紹介するアイデアはシンプルで誰でも思いつきそうなものですが，レイヤ数が固定の実装ばかり見ていると考え方が固くなってしまい，筆者にとっては新鮮なものであったので記事にしました． Keras (Sequential) 中間層のサイズを指定して，for文でn_layer-2個のDense層とDropout層を追加すれば，可変個数の層を追加できる． from keras.models imp
Kerasでまた複数のバックエンドが使えるようになるらしい - Qiita
はじめに pythonの機械学習ライブラリであるKerasは、単体では動かず、2023年8月現在はTensorflowをバックエンドとして動くようになっています。ですが2023年秋リリース予定の3.0で、再びTensorflow以外のバックエンドを使えるようになるらしいです。 この記事の要約 Keras 3.0でバックエンドが選べるようになる Tensorflow、PyTorch、Jax、Numpyのいずれかを選択可能（デフォルトはTensorflow） Keras3.0で書いたコードは、（特定のバックエンドに依存するコードを書いてない限り）どのバックエンドに切り替えても動作する Kerasについて ここはKerasって何ぞやの方へ説明です。 KerasはGoogle社のFrançois Chollet氏を中心として開発されている機械学習ライブラリです。それまで複雑な処理の実装が必要であっ
Keras: Deep Learning for humans
Introducing Keras Core: Keras for TensorFlow, JAX, and PyTorch. We're excited to share with you a new library called Keras Core, a preview version of the future of Keras. In Fall 2023, this library will become Keras 3.0. Keras Core is a full rewrite of the Keras codebase that rebases it on top of a modular backend architecture. It makes it possible to run Keras workflows on top of arbitrary framew
MNISTをオートエンコーダで再構成 - Qiita
1. はじめに オートエンコーダ(Auto Encoder)をさわる機会があったので、MNISTを再構成できるかテストしてみました。以下のようにテストデータの再構成しました。 目次 1.はじめに 2.オートエンコーダとは 3.実行環境 4.実装コード説明 5.結果 6.オートエンコーダのコード全文 7.参考文献 2. オートエンコーダとは 半教師あり学習とよばれており、エンコーダとデコーダのアーキテクチャをもちます。エンコーダは入力を隠れベクトルに変換し、デコーダは隠れベクトルを入力と同様のデータに変換します。すなわち、学習データの入力と出力を同様の学習機構となっています。実際には特徴量抽出や次元圧縮が目的なので、エンコーダの出力値を応用して使用することが多いです。この隠れベクトルを分類、新たな学習データとして用いたりなどですかね。 アーキテクチャは以下のようなフィードフォワードニューラル
Kerasを使って学べるレシピの紹介 - Qiita
はじめに Axrossを運営している松田です。 Axrossは、エンジニアの"教育"と"実務"のギャップに着目し、「学んだが活用できない人を減らしたい」という想いで、ソフトバンク社内起業制度にて立ち上げたサービスです。 現役エンジニアによる実践ノウハウが"レシピ"として教材化されており、Pythonプログラミングを活用して実業務に近いテーマで、動くものを作りながら学ぶことができます。 Axross：https://axross-recipe.com 公式Twitter：https://twitter.com/Axross_SBiv 今回は、深層学習に適したPythonライブラリKerasの特徴を紹介し、Axrossのサービスで学べるKerasを活用した実践的なレシピを一部ご紹介します。 Kerasとは Keras（ケラス）とは、Pythonで書かれた深層学習のオープンソースライブラリの１つ
AutoKeras
Home Home Installation Tutorials Extensions Docker Contributing Guide Documentation Benchmarks About AutoKeras: An AutoML system based on Keras. It is developed by DATA Lab at Texas A&M University. The goal of AutoKeras is to make machine learning accessible to everyone. Learning resources A short example. import autokeras as ak clf = ak.ImageClassifier() clf.fit(x_train, y_train) results = clf.pr
[TensorFlow/Keras] 好きな構造のRNNを組み立てるまでの道のり - Qiita
はじめに 時系列データを入力にとり、今の時刻の入力に加えて前の時刻の「状態」も使って出力を決めるニューラルネットワークの形態に RNN (Recurrent Neural Network) があります。LSTM（Long Short-Term Memory, 長・短期記憶）が有名でしょうか。 時系列データとは、動画やテキストといった、列全体として意味を持つようなデータです。普通のニューラルネットワークは画像や文字といった、形式の決まったある1つのデータを入力に取るわけですが、それらが並んだ動画やテキストを扱うときには、個々の画像（フレーム）や文字はもちろん、その並びにも大きな意味がありますね。このようなデータをうまく扱う構造がRNNというわけです。 ただ普通の全結合層などと違って正直とっつきにくいと思います。私もそうです。 というわけで、まずはRNNが何をするものかを理解して、次に前の時刻
![[TensorFlow/Keras] 好きな構造のRNNを組み立てるまでの道のり - Qiita](https://cdn-ak-scissors.b.st-hatena.com/image/square/d55023c27cd50e5b74c4a0f50487cf10ce56e0ce/height=288;version=1;width=512/https%3A%2F%2Fqiita-user-contents.imgix.net%2Fhttps%253A%252F%252Fcdn.qiita.com%252Fassets%252Fpublic%252Farticle-ogp-background-412672c5f0600ab9a64263b751f1bc81.png%3Fixlib%3Drb-4.0.0%26w%3D1200%26mark64%3DaHR0cHM6Ly9xaWl0YS11c2VyLWNvbnRlbnRzLmltZ2l4Lm5ldC9-dGV4dD9peGxpYj1yYi00LjAuMCZ3PTk3MiZoPTM3OCZ0eHQ9JTVCVGVuc29yRmxvdyUyRktlcmFzJTVEJTIwJUU1JUE1JUJEJUUzJTgxJThEJUUzJTgxJUFBJUU2JUE3JThCJUU5JTgwJUEwJUUzJTgxJUFFUk5OJUUzJTgyJTkyJUU3JUI1JTg0JUUzJTgxJUJGJUU3JUFCJThCJUUzJTgxJUE2JUUzJTgyJThCJUUzJTgxJUJFJUUzJTgxJUE3JUUzJTgxJUFFJUU5JTgxJTkzJUUzJTgxJUFFJUUzJTgyJThBJnR4dC1hbGlnbj1sZWZ0JTJDdG9wJnR4dC1jb2xvcj0lMjMxRTIxMjEmdHh0LWZvbnQ9SGlyYWdpbm8lMjBTYW5zJTIwVzYmdHh0LXNpemU9NTYmcz1jNGJiMTc0Njk1ODcxZWJjMzJlMjRmYzY2OTJhNzY5Mw%26mark-x%3D142%26mark-y%3D57%26blend64%3DaHR0cHM6Ly9xaWl0YS11c2VyLWNvbnRlbnRzLmltZ2l4Lm5ldC9-dGV4dD9peGxpYj1yYi00LjAuMCZoPTc2Jnc9NzcwJnR4dD0lNDBldmVyeWxpdHRsZSZ0eHQtY29sb3I9JTIzMUUyMTIxJnR4dC1mb250PUhpcmFnaW5vJTIwU2FucyUyMFc2JnR4dC1zaXplPTM2JnR4dC1hbGlnbj1sZWZ0JTJDdG9wJnM9ZTdlNGI5ZWVlNGVlYTNhOTRkMzVjMDkyZTViYThlN2I%26blend-x%3D142%26blend-y%3D486%26blend-mode%3Dnormal%26s%3D29003779185177b4462b421404cacef8)
tf.kerasで学習中の進捗表示をカスタマイズする (GoogleColaboratoryのセルあふれ対策) - Qiita
【内容】 同僚がKeras(tf.keras)を使ってGoogleColaboratory上で数万Epochの学習をしていたら、ブラウザは重くなるし、挙句の果てに表示が更新されなくなってしまったと嘆いていました。 原因は model.fit 中に verbose=1 を指定して進捗ログを表示していたのですが、そのログが肥大化して重くなり、ある閾値(?)に達すると表示が更新されなくなってしまいました。(動作は継続している) verbose=0 でログを止めて回せば事足りますが、それでは進捗状況が確認できなくなってしまいます。 そういえば自分も過去に同じ現象に悩んだ挙げ句、Callback関数を使って解決したこと思い出したので共有したいと思います。 【tf.kerasのCallback関数について】 model.fit の引数 callbacks に tf.keras.callbacks.Ca
TensorFlow 2 quickstart for beginners | TensorFlow Core
/tmpfs/src/tf_docs_env/lib/python3.9/site-packages/keras/src/layers/reshaping/flatten.py:37: UserWarning: Do not pass an `input_shape`/`input_dim` argument to a layer. When using Sequential models, prefer using an `Input(shape)` object as the first layer in the model instead. super().__init__(**kwargs) WARNING: All log messages before absl::InitializeLog() is called are written to STDERR I0000 00:
Keras書き方まとめ - Qiita
すいません大したことは書いてないです。 あくまで自分用メモという感じです。 Kerasの書き方 大まかには以下の流れ。 データの準備→モデルの定義→モデルの学習→予測 ０．必要なパッケージのインポート kerasやnumpy等。 import keras from keras.models import Sequential from keras.layers import Dense, Dropout, BatchNormalization, Input, Activation from keras.optimizers import Adam from keras.callbacks import EarlyStopping from keras.layers import Conv2D, Flatten, Reshape, LeakyReLU, MaxPooling2D, ELU,
dockerでKerasを使える環境を構築する - Qiita
はじめに Docker上で手軽にKerasの環境構築を行います。 使用環境はMacを想定しています。 DockerにKerasイメージをインストールする dockerにKerasの環境が用意されたイメージをpullします。 このコマンドによって、Kerasを利用するために必要なあらゆるフレームワークがインストールされた環境を用意できます。 インストールしたイメージからコンテナを作る イメージはプログラムでいうクラスにあたり コンテナはプログラムでいうインスタンスにあたります。 よって、使用するためにはコンテナをイメージから生成する必要があります。 コンテナの生成のために以下のコマンドを使用します。 -d はバックグラウンドで起動しておくという意味です。 これがないと、一回つないだコンテナのシェルから抜けただけでコンテナが終了してしまいます。 -it をつけることで、生成されたコンテナの標準
機械学習(Keras, PyTorch)と分散学習(Horovod)の環境構築シェルスクリプト - Qiita
はじめに 機械学習や分散学習の環境構築は、AWSなら深層学習 AMIやSageMakerを使うのが便利です。 一方、GPUをバリバリ使う場合は、PC、GPU等の購入が良いと思います。 今回、Keras、PyTorchとHorovodの環境構築をAnsibleやTerraformで自動化しようと考えています。 その前に、一連の処理をシェルスクリプト化して理解を深めました。 以下は、環境構築のシェルスクリプトの動作例です。だいたい、20分位で完了します。本文で詳細を説明します。 $ wget https://raw.githubusercontent.com/maedamikio/public/master/horovod/setup.sh $ sh setup.sh $ sudo reboot Ubuntu Server 18.04.3 LTS クリーンインストールが前提です。 setup.
オライリーのPython & 機械学習本が渋滞気味なので整理してみた - Deutschina's Tech Diary
初めて目次を付けてみました。 新刊本絶賛渋滞中 機械学習の王道部門 Numpy, Pandas, Matplotlibなどの基本がやりたい部門 日本オリジナル部門 keras部門 Pythonの基本部門 新刊本絶賛渋滞中 オライリーのPythonベースで機械学習を取り扱っている本の出版(日本語翻訳化)の勢いはすごいですね。これを書いている今日(2018/8/17)もこの本が発売になり、早速入手しました。 直感 Deep Learning ―Python×Kerasでアイデアを形にするレシピ 作者: Antonio Gulli,Sujit Pal,大串正矢,久保隆宏,中山光樹出版社/メーカー: オライリージャパン発売日: 2018/08/17メディア: 単行本（ソフトカバー）この商品を含むブログを見る 半ば反射的に買ってしまう自分も自分ですが、同じオライリーでも似たような本が立て続けに出てお
【Keras入門(1)】単純なディープラーニングモデル定義 - Qiita
入門者に向けてKerasの初歩を解説します。 Google Colaboratoryを使っているのでローカルでの環境準備すらしていません。Google Colaboratoryについては「Google Colaboratory概要と使用手順(TensorFlowもGPUも使える)」の記事を参照ください。 以下のシリーズにしています。 【Keras入門(1)】単純なディープラーニングモデル定義 <- 本記事 【Keras入門(2)】訓練モデル保存(KerasモデルとSavedModel) 【Keras入門(3)】TensorBoardで見える化 【Keras入門(4)】Kerasの評価関数(Metrics) 【Keras入門(5)】単純なRNNモデル定義 【Keras入門(6)】単純なRNNモデル定義(最終出力のみ使用) 【Keras入門(7)】単純なSeq2Seqモデル定義 使ったPyth
Kerasで作ったモデルをUnityに持っていくときのハマりどころ - Qiita
はじめに Unityでは、ゲーム内で強化学習させるならml-agentsとかKelpNetなどを使えますが、一方でゲーム中に得たデータを保存し、別の環境で機械学習させた後に学習結果をUnityにもっていく、という方法もあります。 そういう方法をDeep Neural Networkで行う場合はKerasが便利です。ネットワークを設計するのも簡単ですし、Google Colaboratoryにはデフォルトで入ってるので環境構築に悩むことなくすぐに作業できます。 ただ、Kerasで作ったモデルをUnity、特にOculus GoなどのAndroidデバイスに持っていくときにハマりどころがいくつかあります。しかも、ネットで見られる情報が不完全で試しても上手くいかないことが多いです。この記事では、そのハマりどころの紹介と回避方法を紹介します。ただし、使っている関数のいくつかがdeprecatedな
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
メモ: Introduction to Keras for Engineers - Qiita
IBM Developer
GitHub - inarikami/keras-rl2: Reinforcement learning with tensorflow 2 keras
アプリでまなぶNN：Kerasでテンソルフロープレイグラウンドを理解する - Qiita
Kerasでちょっと難しいModelやTrainingを実装するときのTips - Qiita
