TensorFlowをiOSプロジェクトに導入する手順をやさしく解説する
TensorFlowは、Googleが公開しているモバイルや、サーバなどデバイスを問わずどんな環境でもディープラーニングを動作させることができるライブラリです。 iOSアプリで識別することも、バージョン0.9.0からサポートされました。 本記事では、TensorFlowやiPhoneアプリ開発にそれほど馴染みのない方でも簡単にXcodeプロジェクトからTensorFlowのモデルを実行できるようになるまでを解説します。 TensorFlowをiOSで動作させるために必要なもの TensorFlowをiOSプロジェクトで動作するには、以下のライブラリやソフトウェアが必要になります。 Xcode7.3以上 XcodeのCommand Line Tools automake, libtool Xcodeは、iTunesストアからダウンロードしてください。 また、XcodeのCommand Lin
TensorFlowによるDCGANでアイドルの顔画像生成 その後の実験など - すぎゃーんメモ
memo.sugyan.com の続編。 あれから色々な変更しつつ実験してみたりしたのでその記録。 結論を先に書くと、これくらい改善した。 DCGAN ざっくりおさらい Generator: 乱数の入力から画像を生成する Discriminator: 入力した画像がGeneratorが生成したものか学習データのものかを判別する という2種類のネットワークを用意し、お互いを騙す・見破るように学習を行うことで Generatorが学習データそっくりの画像を生成できるようになる、というもの 学習用画像の増加 前回の記事では90人の顔画像データから生成していたけど、あれから収集を続けて もう少し多く集まったので、今回は260人から集めた顔画像100点ずつ、計26,000件を学習に使用した。 Feature matching openai.com の記事で紹介されている "Improved Tech
TensorFlowによるDCGANでアイドルの顔画像生成 - すぎゃーんメモ
アイドル顔識別のためのデータ収集 をコツコツ続けて それなりに集まってきたし、これを使って別のことも…ということでDCGANを使ったDeep Learningによるアイドルの顔画像の「生成」をやってみた。 まだだいぶ歪んでいたりで あまりキレイじゃないけど…。顔画像を多く収集できているアイドル90人の顔画像からそれぞれ120件を抽出した合計10800件をもとに学習させて生成させたもの。 分類タスクとは逆方向の変換、複数のモデル定義などがあってなかなか理解が難しい部分もあったけど、作ってみるとそこまで難しくはなく、出来上がっていく過程を見るのが楽しいし とても面白い。 DCGANとは "Deep Convolutional Generative Adversarial Networks"、略してDCGAN。こちらの論文で有名になった、のかな？ [1511.06434] Unsupervise
Image-to-Image Demo - Affine Layer
Recently, I made a Tensorflow port of pix2pix by Isola et al., covered in the article Image-to-Image Translation in Tensorflow. I've taken a few pre-trained models and made an interactive web thing for trying them out. Chrome is recommended. The pix2pix model works by training on pairs of images such as building facade labels to building facades, and then attempts to generate the corresponding out
TensorFlowのカレンダー | Advent Calendar 2016 - Qiita
About reserved postingIf you register a secret article by the day before the same day, it will be automatically published around 7:00 on the same day. About posting periodOnly articles submitted after November 1 of the year can be registered. (Secret articles can be registered anytime articles are posted.)
アイドル顔識別のLINE BOTを作りました - すぎゃーんメモ
記事要約 機械学習によるアイドル顔識別のLINE BOTを作りました。アイドル分かる人は是非 友だち追加して アイドル画像を送りつけて遊んだりしてみてください。 むしろ識別対象のアイドルさん御本人にも使ってもらえたら最高 BOT概要 TensorFlowによるアイドル顔識別器の話 - 2016.9.28 TensorFlow勉強会 - Qiita にまとめている、自作のアイドル顔識別器の 「入力した画像に対し、写っているのが『どのアイドル(人物)か』を機械学習により自動判定する」 という機能を実際に試すためのインタフェース。 トーク(1:1、Room, Group、いずれでも可)で画像を投稿されると、その画像に写っている人物の顔を識別してCarouselメッセージで結果を返す。 11月末現在の時点で、識別対象のアイドルは851人となっています。 顔識別API 元々 実際に学習結果を試すため
TensorFlowによるももクロメンバー顔認識（前編） - Qiita
二番煎じ感が半端ないですが、やっちゃったものは仕方ないので書きます。 機械学習やディープラーニングについては全く初心者のソフトウェアエンジニアが、畳込みニューラルネットワークを用いて「ももいろクローバーZ」のメンバーの顔識別を行うアプリを作った話です。 作ったもの ec2上で稼働してます。ただしt2.microなので重いです。 ももクロ画像分類器 http://momomind.kenmaz.net コード https://github.com/kenmaz/momo_mind 背景 私（@kenmaz)は、仕事ではここ数年はiOSアプリ(objc/swift)ばっかり書いています。その前はJava/Ruby/PHPでWebアプリ、サーバーアプリ、開発ツール等を書いていたりもしました。ということで機械学習や人工知能に関する知識はほぼゼロでした。 自分語り＆参考図書 そんな私がなぜ、題記のよ
Talk about ML and DL for happy engineer's life
DevFest Tokyo 2016での発表資料 http://gdg-tokyo.connpass.com/event/38927/
TensorFlowの学習済みモデルを拾ってきてiOSで利用する - Qiita
iOS 10でニューラルネットワークAPIのBNNS (Basic neural network subroutines) がAccelerateフレームワークに追加されたり、TensorFlowのiOSサポートが追加されたり、Prismaがオフライン対応したりと、なんとなくあらかじめ学習させておいたモデルを使って計算するぐらいのことはiOSデバイス側でやらせてもいいんじゃないか、という空気感も出てきたような気がしてます。1 ・・・いや、そんな大層な理由ではなくて、機械学習/ディープラーニングについて無知な自分が、学習用に大量のデータを集めて、Pythonスクリプトを書いて自前モデルを作成するのは一段ハードルが高いように思えてしまいます。 というわけで、先日書いた『TensorFlowにiOSサポートが追加されたそうなので試してみた』の次のステップとして、GitHubとかに落ちている学習済
TensorFlow MNIST For ML Beginners チュートリアルの実施 - Qiita
はじめに 前回ではTensorFlowのチュートリアルであるMNIST For ML Beginnersの翻訳をしたので、今回は実際にTensorFlowを用いてチュートリアルの内容を実装してみました。 と言いましても、チュートリアルの中ですでにコードがぱらぱらとではありますがすべて出てきていますので、そのコードが何を意味しているのかを理解しながらの実装となります。 環境セットアップ 私自身、Python使うのが初めてですので、同じような初心者の方でも実行できるようにセットアップについても記述します。 基本的にはTensorFlowのサイトにある内容と同じです。 対象はmacとします。 Pythonのインストール まずはPython自体のインストールです。
Googleが提供する機械学習ライブラリ TensorFlow を1時間で試してみた デザイン会社 ビートラックス: ブログ
Googleは機械学習のライブラリTensorFlowをオープンソースとして公開した。すでにGoogleの写真検索や音声認識技術に使用されているもので、大きな注目を集めている。AmazonやFacebookも機械学習システムをオープンソースとして公開している。 オープンソースのライセンスは、Apache 2.0だ。簡単にいうと使っていることを明記さえしておけば商用でも利用可能である。 今後、様々なサービス、研究機関等で機械学習が使われていくことが増えると予想される。機械学習、AIは基盤技術としてすべての産業に影響を及ぼすことから、今後見逃せない動きである。 参考： 人工知能 (AI) はどこまで進歩しているのか – 4つの知能レベルと実商品例 –人工知能 (AI) ができる3つのこと – 消える職業と生まれる職業 –TensorFlowのインストール今回は、機械学習に馴染みがない人がまずT
最短手順でtensorflowのDeep MNISTサンプルを実行 - domkadeのブログ
お仕事の一環としてTensorFlowを触ってたんだけど あくまで仕事なんでいろんなしがらみがあってそんなに自由に遊べなかった。 自宅のLinux環境が整ったんでこれでやりたい放題できると思ったんだけど 前回記事参照の通りなんか音出ないので、今月中にUbuntu 16.04入れなおすのを見越して Ubuntu 14.04でTensorFlowのMNISTサンプルを動かすまでの手順をとりあえずメモっとく。 インストール Download and Setup 以下の三行を実行してpythonとtensorflowを入れる。 3行目はGPU使う場合で、Compute Capabilityが3.0以上あるGPUじゃないといけないんだけど、 うちのグラボGTX 560 Tiは2.1しかない化石なので意味ない。でも入れとく。 $ sudo apt-get install python-pip pyth
TensorFlowでキルミーアイコン686枚によるキルミー的アニメ絵分類 - Qiita
（なんでキルミーベイベーってタグがあるんだ…） 前回の投稿で、Ubuntuの環境をつくったので、 TensorFlowのDeep MNIST for Expertsを大体そのまま使ってキルミーベイベーのキャラを判定するコードを書いてみました。 ※TensorFlow公開されたの去年の11月だからもう半年たつんですね… 参考にしたページ 今回使った画像セットは例の686枚です。 http://killmebaby.tv/special_icon.html 全体の方針・キルミーアイコンの分類とかはkill_me_learningの先人である方が書かれたこちらの記事を参考にさせていただきました。 kill_me_learning (4) Labellioを用いたキルミーベイベーアイコン686枚によるキルミーベイベー的画像分類 サンプルネットワークへの画像の変換・入力の方法はこちらを参考にさせてい
TensorFlowのチュートリアルにあるCIFAR-10を動かしてみる - ayihiscope
TensorFlowを触るとなると，MNISTの次にやりたくなるのはコレだよね． 自分の作業メモも兼ねて軽くまとめました． CIFAR-10について 機械学習を使った画像認識の実験でよく使われるデータセットの事 CIFAR-10データセットは32ピクセル四方のカラー画像60000枚のデータセット． 飛行機，車，鳥，猫，鹿，犬，蛙，馬，船，トラックの10種類の画像がそれぞれ6000枚ずつある． 各種類の画像の6000枚のうち5000枚が学習用，残り1000枚がテスト用となっている． ちなみに，CIFAR-100っていう100種類の分類のデータセットもあるようだ． 今回はやらないけど． 参考 CIFAR-10 and CIFAR-100 datasets CIFAR-10 - 人工知能に関する断創録 TensorFlowの環境構築 公式ページを参考にどうぞ Download and Setup
TensorFlow で画像認識 (CNN 法)
本ページでは、Google Brain Team によって開発されたオープンソースの機械学習エンジンである、TensorFlow (テンソルフロー) を利用して、ディープラーニングの一種である、CNN 法 (Convolutional Neural Network, 畳み込みニューラルネットワーク, ConvNet とも呼ばれる) によるモデルを構築して、画像の自動クラス分類器 (判別器) を作成し、実行する方法を紹介します。 もし、まだ TensorFlow をインストールしていない場合は、「TensorFlow をインストール」の手順にてインストール作業を行いましょう。 今回使用するデータ (CIFAR-10 データセット) 本手順では、TensorFlow の Convolutional Neural Network のチュートリアル にしたがって、CIFAR-10 (読み方は、シー
TensorFlowによるディープラーニングで、アイドルの顔を識別する - すぎゃーんメモ
以前は MNISTの例を使って画像識別を試してみた けど、次はカラー画像についての識別を試してみる。 「アイドルなんてみんな同じ顔に見える」って 最近も言われてるのかどうか知らないけど、自分もつい5年前くらいまではそう思っていたわけで。その識別を機械学習でやってみよう という試み。 最近はほとんどライブに行かなくなってしまったけど大好きなももいろクローバーZちゃんを題材にしてみることに。 5人のメンバーの顔は機械学習によってどれくらい分類できるようになるのか？？ CIFAR-10 CIFAR-10 という、32×32サイズのカラー画像を10種類のクラスに分類する識別課題があり、そのデータセットが公開されている。これを実際にTensorFlowで学習するための畳み込みニューラルネットワークのモデルや関数などがtensorflow.models.image.cifar10パッケージに同梱されて
OpenAI API / Gemini API | ClassCat® Chatbot – クラスキャット
◆ クラスキャット は人工知能に関する各種サービスを提供しています。お気軽にご相談ください : 人工知能導入個別相談会(無償)実施中！ [詳細] 人工知能研究開発支援 [詳細] 自社特有情報を含むチャットボット構築支援 画像認識 (医療系含む) / 画像生成 PoC(概念実証)を失敗させないための支援 [詳細] ◆ お問合せ : 本件に関するお問合せは下記までお願いします。 クラスキャット セールス・インフォメーション sales-info@classcat.com ClassCatJP ⏩ 今月の記事 Amazon Bedrock : 最初の一歩 – 基礎知識と実験 この記事では Amazon Bedrock の最小限の実験をするために必要な手順を説明しています。 Amazon Bedrock は、AI スタートアップ企業や Amazon の高性能な基礎モデルを統一 API を通して利用
TensorFlow : ML 初心者向けの MNIST （コード解説） – OpenAI API / Gemini API | ClassCat® Chatbot
TensorFlow : コード解説 : ML 初心者向けの MNIST * 本ページのベースとなっている TensorFlow : Get Started : ML 初心者向けの MNIST は TensorFlow のバージョンアップに伴い、大幅に加筆修正されましたが本ページには反映されておりません。必要ならばリンク先を参照してください。(03/19/2017) * (Obsolete) TensorFlow : Tutorials : ML 初心者向けの MNIST に、数式は排除/コード重視の方針で詳細な解説を加筆したものです。 データセットはまた、どの数字かを教えてくれる各画像へのラベルを含みます。例えば、上の画像へのラベルは 5, 0, 4 そして 1 です。 このチュートリアルでは、画像を見てどの数字であるか予測できるようにモデルを訓練していきます。我々の目的は Tensor
TensorFlowでアニメゆるゆりの制作会社を識別する - kivantium活動日記
ついにガロアが死んだ年齢を超えてしまったことに気がつき、自分がまだ何も成し遂げていないことを悲しく思う今日このごろです。 さて、今日はGoogleが出した機械学習ライブラリのTensorFlowの使い方について軽く説明しつつ、ゆるゆりの制作会社の識別を行おうと思います。 TensorFlowとは TensorFlowはGoogleが11/9に公開したApache 2.0ライセンスで使える機械学習ライブラリです。Googleは様々なところでプロダクトに機械学習を活用していますが、TensorFlowは実際にGoogle内部の研究で使われているそうです（TensorFlow: Google 最新の機械学習ライブラリをオープンソース公開 - Google Developer Japan Blog）。 Googleのネームバリューは恐ろしいもので、GitHubのStar数はすでにChainerやC
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
KSKアナリティクス TensorFlow 情報提供サイト