今回は、TSPについて深層強化学習を使った解き方をPyTorchで試してみます。 実はこちらは結構以前に試したのですが、ここに書き記す時間がなかなか取れず、だいぶ暖めてしまいました。 結果、当時の思考をあまり思い出せないところも幾分かあり、なので今回はざっくりなご紹介といった記事になります。 ソースコードは当時から残っていたものがフルでありますので、以下のいずれかよりご参照下さい。 GitHub: https://github.com/Gin04gh/datascience/blob/master/kaggle_env_solving_tsp_by_deep_reinforcement_learning_using_pytorch/tsp-pulp-optimization-pytorch-deep-learning.ipynb kaggle notebook: https://www.k
「GPT-3」の分類のファインチューニングを試したのでまとめました。 1. OpenAI API「OpenAI API」は、OpenAIの最新の深層学習モデルにアクセスすることができるクラウドサービスです。「GPT-3」を利用するには「OpenAI API」経由でアクセスする必要があります。 2. 利用料金「GPT-3」にはモデルが複数あり、性能と価格が異なります。Ada は最速のモデルで、Davinci は最も精度が高いモデルになります。価格は 1,000トークン単位です。 「ファインチューニング」には、TRAININGとUSAGEという2つの価格設定があります。TRAININGのトークン数は、データセット内のトークン数と、エポック数(デフォルト4)によって決まります。 TRAININGのトークン数 = データセット内のトークン数 x エポック数 USAGEのトークン数 = プロンプトの
「Interview with Vadim Pisarevsky on class cv::Mat in OpenCV」を読み解くOpenCV この記事はOpenCV Advent Calendar 2022の22日目の記事です。 1. はじめに https://www.youtube.com/watch?v=DEWr-iOEuvEにてOpenCV Development Team LeaderであるVadim Pisarevskyさんのインタビュー動画が公開されており、そこでcv::Matの設計経緯が語られています。古くからOpenCVを使っている人、最近OpenCVを使い始めた人どちらにも興味深い内容だと思われるのでこの動画の内容を紹介していきます。 2. IplImage時代 OpenCVはIntelのIPL(Intel Image Processing Library)に追加する形
はじめに こんにちは、この記事は基盤モデル×RoboticsのAdventCalendarの21日目です! 基盤モデルについては初心者ですが、何やらすごいAIが登場したぞ!ということで自分なりに調べて今回記事を書かせていただきました(間違っている部分もあると思いますので、その場合はコメント等でご指摘ください)。 私は普段、農業の外観選別機や生育観察、収穫ロボットなどへ画像系のAIを応用する研究をしています。 そして研究柄、いろんな生産者の方や現場へ出向いてデータ収集&ディープラーニングでYOLOなどの物体検出AIを自作しています。 今回は、こうしたロボットや農業機械に搭載されている「目」、つまり画像系AIの現状の課題と基盤モデルへの期待についてお話します。 農業での応用事例にフォーカスしていますが、それ以外の分野にも当てはまることだと思いますので是非最後までご覧ください! 基盤モデルとは
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