DEEP LEARNING · Deep Learning
Description This course concerns the latest techniques in deep learning and representation learning, focusing on supervised and unsupervised deep learning, embedding methods, metric learning, convolutional and recurrent nets, with applications to computer vision, natural language understanding, and speech recognition. The prerequisites include: DS-GA 1001 Intro to Data Science or a graduate-level
Deep Learning for Computer Vision Barcelona Summer seminar UPC TelecomBCN (July 4-8, 2016) Deep learning technologies are at the core of the current revolution in artificial intelligence for multimedia data analysis. The convergence of big annotated data and affordable GPU hardware has allowed the training of neural networks for data analysis tasks which had been addressed until now with hand-craf
２値化CNN on FPGAでGPUとガチンコバトル（公開版）
TensorFlow User Group HW部(2017年２月２７日)で使ったスライドです。講演後、一部加筆・修正しています。Read less
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
Deep Learning Applications - handong1587
Applications DeepFix: A Fully Convolutional Neural Network for predicting Human Eye Fixations arxiv: http://arxiv.org/abs/1510.02927 Some like it hot - visual guidance for preference prediction arxiv: http://arxiv.org/abs/1510.07867 demo: http://howhot.io/ Deep Learning Algorithms with Applications to Video Analytics for A Smart City: A Survey arxiv: http://arxiv.org/abs/1512.03131 Deep Relative A
Hyperparameter optimization for Neural Networks — NeuPy
Hyperparameter optimization for Neural Networks Contents Hyperparameter optimization for Neural Networks Introduction Hyperparameter optimization Grid Search Random Search Hand-tuning Bayesian Optimization Gaussian Process Acquisition Function Find number of hidden units Disadvantages of GP with EI Tree-structured Parzen Estimators (TPE) Overview Hyperparameter optimization for MNIST dataset Disad
caffenet-benchmark/batchnorm.md at master · ducha-aiki/caffenet-benchmark
This is quick evaluation of BatchNorm layer (BVLC/caffe#3229) performance on ImageNet-2012. Other on-going evaluations: activations [architectures] (https://github.com/ducha-aiki/caffenet-benchmark/blob/master/Architectures.md) [augmentation] (https://github.com/ducha-aiki/caffenet-benchmark/blob/master/Augmentation.md) The architecture is similar to CaffeNet, but has differences: Images are resiz
Learning to Hash
The tutorial slides about Learning to Hash, provided by Dr. Wu-Jun LI, can be downloaded from http://cs.nju.edu.cn/lwj/slides/L2H.pdf Similarity Search in High Dimensions via Hashing [paper] Aristides Gionis, Piotr Indyk and Rajeev Motwani. [VLDB], 1999. Locality-Sensitive Hashing Scheme Based on p-Stable Distributions [paper] Mayur Datar, Nicole Immorlica, Piotr Indyk, Vahab S. Mirrokni. [SCG], 2
160924 Deep Learning Tuningathon
[DL輪読会]Diffusion-based Voice Conversion with Fast Maximum Likelihood Samplin...Deep Learning JP
MGUとかSGUといったLSTMの簡略化版をTensorFlowで実装した - 備忘録
それぞれは以下の通り（ただしTensorFlow 0.12でのみ動作確認）： MGU (Minimal Gated Unit) 論文 Minimal gated unit for recurrent neural networks 実装 An implementation for MGU based on TensorFlow. · GitHub S-LSTM (Simplified LSTM) 論文 [1601.02539] Investigating gated recurrent neural networks for speech synthesis 実装 An implementation of Simplified LSTM (S-SLTM) based on TensorFlow. · GitHub SGU (Simple Gated Unit) 論文 Deep Gate R
Categorical Reparameterization with Gumbel-Softmax [arXiv:1611.01144]
Categorical Reparameterization with Gumbel-Softmax [arXiv:1611.01144] 概要 Categorical Reparameterization with Gumbel-Softmax を読んだ Auxiliary Deep Generative Modelsに組み込んで実験した はじめに Deep Learningなどでクラス分類を行う場合、カテゴリカル分布と呼ばれる分布を用いて属するクラスの確率を求めると思います。 たとえばMNISTであれば10個のクラスを用意し、10次元の出力ベクトルをsoftmax関数に通すことでカテゴリカル分布を作ります。 上の画像はクラス数が6個の場合の分布の例です。 この分布からサンプリングを行うとクラスを得ることができます。 Deep Learningではクラスを表す変数をスカラーではなくone
Lecture 7 - 27 Jan 2016Fei-Fei Li & Andrej Karpathy & Justin JohnsonFei-Fei Li & Andrej Karpathy & Justin Johnson Lecture 7 - 27 Jan 20161 Lecture 7: Convolutional Neural Networks Lecture 7 - 27 Jan 2016Fei-Fei Li & Andrej Karpathy & Justin JohnsonFei-Fe
Lecture 7 - 27 Jan 2016Fei-Fei Li & Andrej Karpathy & Justin JohnsonFei-Fei Li & Andrej Karpathy & Justin Johnson Lecture 7 - 27 Jan 20161 Lecture 7: Convolutional Neural Networks Lecture 7 - 27 Jan 2016Fei-Fei Li & Andrej Karpathy & Justin JohnsonFei-Fei Li & Andrej Karpathy & Justin Johnson Lecture 7 - 27 Jan 20162 Administrative A2 is due Feb 5 (next Friday) Project proposal due Jan 30 (Saturd
Deep Learning実習
AlexNet [A Krizhevsky, 2012] このページはDeep Learningモデルを使って画像認識をする方法を一通り学ぶ初心者向け実習教材として作られました。 ここではPython環境でCaffeフレームワークを利用して画像認識モデルを学習、評価する方法を学ぶことができます。 準備 0. Docker+Jupyter環境の構築 1. Pythonと数値計算 1a. Pythonと数値計算 練習問題解答 画像認識 2. Caffeを使った画像分類 3. 手書き文字認識モデルの学習 4. 学習済みのネットワークをマルハナバチ分類にファインチューニング その他 5. Caffeの動作環境に関して 参考 スライド資料 Caffe deep learning framework Stanford CS231n: Convolutional Neural Networks for
深層学習ライブラリの環境問題Chainer Meetup2016 07-02
The document summarizes a meetup discussing deep learning and Docker. It covered Yuta Kashino introducing BakFoo and his background in astrophysics and Python. The meetup discussed recent advances in AI like AlphaGo, generative adversarial networks, and neural style transfer. It provided an overview of Chainer and arXiv papers. The meetup demonstrated Chainer 1.3, NVIDIA drivers, and Docker for de
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
単語・句の分散表現の学習
pretrained.ml
GitHub - facebookarchive/caffe2: Caffe2 is a lightweight, modular, and scalable deep learning framework.
http://www.h5con.cn/endymecy/awesome-deeplearning-resources
https://openreview.net/pdf?id=rJxdQ3jeg
http://archive.xsig.ipsj.or.jp/history/ACSI/2016/download/ACSI2016-tutorial2.pdf