#phpblt6 ソースコード https://github.com/kazu9su/phpblt-6-example
![開発効率を上げるテスト設計](https://cdn-ak-scissors.b.st-hatena.com/image/square/0596fca03a1a921a6440353870a060e5329b21ea/height=288;version=1;width=512/https%3A%2F%2Ffiles.speakerdeck.com%2Fpresentations%2F78d8e46d08c44e65bb9beceebaa0284a%2Fslide_0.jpg%3F7580535)
以前に試した、アイドル顔識別の性能評価。 memo.sugyan.com それから半年以上も経ってデータ数も増えたし ちょっと確かめたいこともあったので、再び試してみた。 新データセット 前回は 40人×180件 で 計7,200件 を用意したけど、今回はもう少し多めにデータが集まっていたので(卒業などでもうアイドルではなくなってしまった子も居るけど…)、今回は 120人×200件 で 計24,000件 を抽出してデータセットを作成した。 実際にラベル付けしたデータから抽出してみると、元が同じ画像なのに加工や顔検出器のブレなどで別の顔画像として登録されてしまっているもの、明らかに同じ日・同じ場所で連写していて「ほぼ同じ顔画像」と思われるもの などの重複が結構あることに気付いて、頑張って出来る限り排除した。 前回もある程度は人力でチェックしていたけど、今回は学習済みモデルに食わせた中間層出力
golangに限らないんですが、ABテストの振る舞いをちゃんとした設計のもと実装するのって難しいと思っています。 よくあるパターンとしては、Userという構造体があって、それに対してABテストによる振る舞いを変えるように実装をすることかと思います。 User type User struct { ID int Name string } 関数を生やす あまり考えずに関数を作っていく方針 func (u User) IsFoo() bool { return u.ID%10 == 0 } func (u User) IsBar() bool { return u.ID%10 == 1 } func main() { u := User{ID: 1, Name: "kaneshin"} fmt.Println(u.IsFoo()) fmt.Println(u.IsBar()) } コード:ht
テクノロジー業界の発展に伴ってソフトウェア開発者の人材不足がいたるところで発生していますが、言い換えれば「プログラミングスキルを身につければ仕事に困らない」ということでもあります。とはいえ、「若いころならまだしも、30歳を超えてイチからプログラムの書き方を勉強するのは遅すぎるのでは」と思う人は多いかもしれませんが、下は35歳、上は57歳からプログラミングを習って成功を収めている10人の開発者が「ソフトウェア開発者になるのに遅すぎるということはない」と実情を語っています。 Is It Too Late to Become a Software Developer After the Age of 35, 40, or 50? And to learn programming? https://belitsoft.com/php-development-services/its-not-too
書きました https://t.co/m4YhZolDjD — mooopan (@mooopan) February 20, 2017 ということでChainerの強化学習版ChainerRLが公開されていました。 このところ手を広げすぎていて中々丁寧な仕事ができない中、 30分 x 2日でDouble DQNでライントレーサーできました。ライブラリ便利で助かる! 使用環境 Windows 10 - 64bit <諦めが悪い心の強さ…!> Python 3.6.0 |Anaconda 4.3.0 (64-bit) <プライドより実利!> ChainerRL 0.2 < Dependency緩くしてほしい> Chainer 1.19 <1.20でTheanoのお世話できてない!会社ではTheano動いたのに。>
上杉周作シリコンバレーのエンジニアが語る、誰にも悪気はなかった話2017/02/22 貧困の連鎖を止めようとしたら、子どもの学力が下がりました。働き方から変えよう、地方から変えようとしたら、何も変わりませんでした。 自己紹介こんにちは。上杉周作と申します。教育について考えるのが好きな、シリコンバレー在住のエンジニアです。 88年生まれで、中学1年まで日本で暮らし、それからはアメリカ在住です。カーネギーメロン大でコンピュータサイエンスを学び、AppleとFacebookでエンジニアインターンをし、その後シリコンバレーのベンチャーを転々とし、2012年9月よりシリコンバレーの教育ベンチャー・EdSurgeに就職しました。2017年1月にはNHK「クローズアップ現代+」の教育特集に「教育×IT」の専門家としてお呼びいただき、教育評論家の尾木ママさんと共演しました。 そしてこのたび、4年とすこし働
本記事はChainer Advent Calendar 2016の20日目のエントリです。 ペンパイナッポー(以下PP)とアッポーペン(以下AP)の画像識別方式の確立は急務です。下記は"PPAP"のここ三ヶ月のGoogle Trend推移ですが、すごい速度で減衰しています。正直もう遅いのかもしれませんが、であったとしても次のビッグウェーブに一目散に乗れるように反射神経を鍛えておく必要があります。 PPとAPをひと目で見分ける認識器の必要性についてご理解いただいたところで、昨今のディープラーニングによる物体認識の進展に目を向けますと、Deep Learningによる一般物体検出アルゴリズムの紹介という記事にまとまっているように、優れた手法が次々と提案されています。最後のコメントにあるように、最大の課題は学習用のデータセットをどう準備するかというところです。 残念なことに、PPAPデータセット
Fuseって面白いツールだと思う。簡単にファイルシステムに機能を追加できるのだから。 そしてこのライブラリはCは当然だけど、RubyやらPythonからも使える。 今回はPythonを使ってFuseを使ってみた。 OS: Ubuntu 13.04 インストールするもの python-fuse ソースコード https://gist.github.com/yudai09/5755693 使い方 適当なディレクトリに適当なマウントポイントを作る $ mkdir mnt マウントポイントに今回のFUSEファイルシステムをマウントする。 $ ./testfs.py mnt $ ls mnt hoge readme.txt $ ls mnt/hoge test.txt まとめ 大体こんな感じ。 ちょっと誤解していたことがあった。 get_attrでファイルの属性を返すようにしても、パーミッションチェ
2012年の画像認識コンペティションILSVRCにおけるAlexNetの登場以降,画像認識においては畳み込みニューラルネットワーク (CNN) を用いることがデファクトスタンダードとなった.CNNは画像分類だけではなく,セグメンテーションや物体検出など様々なタスクを解くためのベースネットワークとしても広く利用されてきている.本講演では,AlexNet以降の代表的なCNNの変遷を振り返るとともに,近年提案されている様々なCNNの改良手法についてサーベイを行い,それらを幾つかのアプローチに分類し,解説する.更に,実用上重要な高速化手法について、畳み込みの分解や枝刈り等の分類を行い,それぞれ解説を行う. Recent Advances in Convolutional Neural Networks and Accelerating DNNs 第21回ステアラボ人工知能セミナー講演資料 http
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