chainerの使い方 - AI-Programming
DeepLearningフレームワークchainerのニューラルネットワークプログラムの書き方を解説します！ 2016/10/27 更新 (chainer version 1.17.0) 基本ライブラリのインポート import numpy as np import chainer import chainer.functions as F import chainer.links as L from chainer import training from chainer.training import extensions 【重要】データについて 配列は、numpyもしくはcupyの配列となっていること。 X（入力データ）のデータ型はfloat32にしておくこと。 分類の場合：y（正解・教師データ）のデータ型はint32。 回帰の場合：y（正解・教師データ）のデータ型はfloat32。
chainerの畳み込みニューラルネットワークで10種類の画像を識別（CIFAR-10） - AI-Programming
＜システムバージョン＞ ubuntu 14.04 python 3.5.1 chainer 1.7.0 CIFAR-10 and CIFAR-100 datasets 32x32pixelのカラー画像を10のクラスに分類します。 訓練画像が50000枚、テスト画像が10000枚です。 CIFAR-10のデータは、各画像サンプルがchannel（3チャンネル）、row（32ピクセル）、column（32ピクセル）のフラット形式3*32*32=3072次元ベクトルの形で格納されている。 Chainerでは画像を (Nsample, channel, height, width) の形式にする必要があるためreshape()して次元を変換している。 詳しくはここに書いてあります まずは、データの読み込み。 データのファイルはこのように分かれているために、読み込みには工夫が必要。 import s
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
