無料のGoogle Colabで美少女イラストのKeras+GANs線画着彩 - Qiita
はじめに 定番のGANs（pix2pix）線画着彩を、無料のGoogle Colabでやってみました。 教師データが大きく、また学習時間も長いので、Colabでやるには多少工夫が必要です。 https://colab.research.google.com/ pix2pixの説明は、他の方の分かりやすい記事を見て頂くとよいかと思います。 先にU-Netを理解してからだと、pix2pixの理解が早いと思います。 https://qiita.com/koshian2/items/603106c228ac6b7d8356 https://qiita.com/mine820/items/36ffc3c0aea0b98027fd 事前準備 美少女イラストを収集・厳選・加工し、線画と着彩のデータセットを用意します（以下参考）。 https://www.mathgram.xyz/entry/scrapi
TensorFlow・KerasのTutorials・Examplesソースコード集 - Qiita
ネット上で無料で手に入る、TensorFlowとKerasのソースコード集を集めました。 眺めたり実際に動かしたりして理解を深めたい人向け。 他にも良いサイトがありましたらお知らせください。 (★の数は、個人的なおすすめの度合いを表しております。レビュー文も含め、個人の主観が多分に含まれていますのでご注意ください。) TensorFlow Hvass-Labs/TensorFlow-Tutorials: TensorFlow Tutorials with YouTube Videos (★★★) URL : https://github.com/Hvass-Labs/TensorFlow-Tutorials 一通りの内容が揃っている上、jupyter notebookだけでなくなんとGoogle Colabでもソースが公開されているため、リンクに飛べばその場ですぐにコードを実行することがで
途中分岐するニューラルネットワークの書き方と精度 - Qiita
この記事は畳み込みニューラルネットの規模と正答率の実験の続きのようなもの。 また、自身のブログ、Data Science Struggleを翻訳したものになる。 概略 ニューラルネットワークはその設計において、広い自由度を持つ。多くのレイヤーを持たせることやネットワークの途中からデータを入力として受け付けることなど、設計者次第で短くも長くもシンプルにも複雑にもなる。 tensorflowなどのフレームワークを使用すれば下記の図のようなシンプルなニューラルネットワークは比較的簡単に作成することができる。 今回は、上記の図のようなニューラルネットワークではなく、下記の図のような、途中で枝分かれをしたニューラルネットワークを作成していく。 この記事の基本的な目的は以下の二点の確認になる。 枝分かれをしたニューラルネットワークをどのように書くか 精度の面でどのような特徴が見られるか Tensorf
GoogleがPerfumeのライブに技術提供した「Reframe Visualization」をKeras/Scikit-learnで再現する - Qiita
Deleted articles cannot be recovered. Draft of this article would be also deleted. Are you sure you want to delete this article? Perfumeが紅白歌合戦でディープラーニングについて言及して話題になりましたが、それに関連する技術がGoogleのブログで公開されていたので再現してみました1。本来はColud Vision APIを使ったとのことですが、精度や速度を犠牲にすれば、普通のPCかつ1人でも実装できてしまいます。その方法を書いていきます。 訂正：Googleが使ったではなく、正しくはライゾマティクスに使っていただいただとのことです。失礼いたしました2。タイトルも訂正いたしました。 元ネタ こちらのブログに詳しく書かれています。 Perfume とライゾマテ
YOLOV3-kerasをリアルタイムで使用する． - Qiita
Deleted articles cannot be recovered. Draft of this article would be also deleted. Are you sure you want to delete this article? 対象 SSDとかYoloV2開発者． DeepLearningで何ができるのか知りたい方． 1. YoloV3 現状最も強力な物体検出系AIです． YoloV2の改良版で，Yolov2よりも層が深くResnetのようになっています． その他さまざまな改良点がありますがおいおい． YoloV3 Strong～ 以下ネットワーク構造 layer filters size input 0 conv 32 3 x 3 / 1 416 x 416 x 3 1 conv 64 3 x 3 / 2 416 x 416 x 32 2 conv 32 1
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
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
