iandprogram.net - このウェブサイトは販売用です！ - iandprogram リソースおよび情報
This webpage was generated by the domain owner using Sedo Domain Parking. Disclaimer: Sedo maintains no relationship with third party advertisers. Reference to any specific service or trade mark is not controlled by Sedo nor does it constitute or imply its association, endorsement or recommendation.
iandprogram.net - このウェブサイトは販売用です！ - iandprogram リソースおよび情報
This webpage was generated by the domain owner using Sedo Domain Parking. Disclaimer: Sedo maintains no relationship with third party advertisers. Reference to any specific service or trade mark is not controlled by Sedo nor does it constitute or imply its association, endorsement or recommendation.
iandprogram.net - このウェブサイトは販売用です！ - iandprogram リソースおよび情報
This webpage was generated by the domain owner using Sedo Domain Parking. Disclaimer: Sedo maintains no relationship with third party advertisers. Reference to any specific service or trade mark is not controlled by Sedo nor does it constitute or imply its association, endorsement or recommendation.
iandprogram.net - このウェブサイトは販売用です！ - iandprogram リソースおよび情報
This webpage was generated by the domain owner using Sedo Domain Parking. Disclaimer: Sedo maintains no relationship with third party advertisers. Reference to any specific service or trade mark is not controlled by Sedo nor does it constitute or imply its association, endorsement or recommendation.
WindowsでChainerのGPU版MNISTサンプルを動かすまで【cuda 7.5】 - 俺とプログラミング
日本発のディープラーニングフレームワークであるChainerを64ビットWindowsにインストールしてGPU版MNIST手書き文字認識サンプルを動かすところまでを解説します。 Chainer自体のインストールはとっても楽ですが、GPUで使おうとすると結構はまります。 必要なもの 手順 1. 64bit版 Python2.7のインストール (標準でpipもついてくる) 2. numpy64bit版のインストール 3. Chainerのインストール 4. CPU版のサンプルを動かしてみる 5. Visual Studio 2013 Communityのインストール 6. CUDAのインストール 7. GPU版のサンプルを動かす 必要なもの NVIDIAのGPU搭載の64ビットWindowsマシン 手順 1. 64bit版 Python2.7のインストール (標準でpipもついてくる) Pyt
iandprogram.net - このウェブサイトは販売用です！ - iandprogram リソースおよび情報
This webpage was generated by the domain owner using Sedo Domain Parking. Disclaimer: Sedo maintains no relationship with third party advertisers. Reference to any specific service or trade mark is not controlled by Sedo nor does it constitute or imply its association, endorsement or recommendation.
SPP(Spatial Pyramid Pooling)を使ってCNNの精度を向上させよう - 俺とプログラミング
Max Poolingの代わりにSPP(Spatial Pyramid Pooling)と呼ばれる特別なプーリング層を用いることで、CNNの性能をお手軽に向上させることができる。この記事では、SPP-netの使い方や、有効性について検証した結果を紹介する。 SPP(Spatial Pyramid Pooling)とはなにか SPPとはMicrosoft Research Asia(MSA)が2014年に開発した新しいPooling層である。SPPで最も重要なコンセプトは、入力画像のサイズが異なっている場合でも、決まったサイズの出力になるという点にある。その仕組みは単純で、画像を格子状に、1, 4, 16, ...と分割していき、その中で、最大プーリング(ほかのプーリングでもいい）を行う。その後、1 + 4 + 16 + ・・・と、つなげたベクトルをSPPの出力とする。つまり、出力のサイズは
CNNの学習に最高の性能を示す最適化手法はどれか - 俺とプログラミング
Adam, AdaGrad, AdaDelta, RMSpropGraves, SGD, MomentumSGDなど数ある最適化手法の中で、畳み込みニューラルネットワーク(CNN:Convolutional Neural Network)の学習には、どのOptimizerをつかうのが最も適しているのかということを実験しました。 最適化とは SGDとは MomentumSGDとは AdaGradとは AdaDeltaとは Adamとは RMSpropGravesとは NesterovAGとは 実験環境 実験結果 ソースコード 最適化とは 最適化 (Optimization) とは、関数などを最適な状態に近づけることをいいます。ディープラーニングにおける最適化とは、モデルの予測値と実際の値との誤差から、パラメータ（重み）を更新することです。その最適化手法は以下のように様々なものがあります。パラ
Pythonの隠れマルコフモデルライブラリGHMMの使い方 - 俺とプログラミング
Pythonの隠れマルコフモデルライブラリ、GHMMの使いかたを軽く紹介。 コードを見て頂ければなにをやっているか分かると思います。 from ghmm import * # 初期遷移確率行列 A = [[0.6, 0.4, 0], [0, 0.6, 0.4], [0.0, 0.0, 1.0]] # 初期出力確率行列 B = [[0.25, 0.25, 0.25, 0.25], [0.25, 0.25, 0.25, 0.25], [0.25, 0.25, 0.25, 0.25]] # 初期状態確率(left-to-rightモデル) pi = [1.0, 0, 0] # とり得るすべての記号を定義 sigma = IntegerRange(0, 4) #sigma = Alphabet('a','c','d','b') #文字の場合 # 隠れマルコフモデルの生成 hmm = HMMFrom
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
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
iandprogram.net - このウェブサイトは販売用です！ - iandprogram リソースおよび情報