CNNモデル比較論文 "An Analysis of Deep Neural Network Models for Practical Applications"を読んだ - 人間だったら考えて
深層学習を用いた画像認識分野では様々なCNNのネットワーク構造が提案されており，ImageNetデータセット等を用いた予測精度比較が広く行われています． じゃあどのCNNモデルを使うべきなんだろう…と考えていましたが，最近こんなtweetが目に入りました． 代表的なCNNアーキテクチャについて、パラメータ数や実際の演算量・時間、エネルギー消費などを精度との関係とともに検証。純粋に読み物として面白くてさくさく読めるし、肌感覚的にNW構造と計算量の関係を掴んでおくのは今やサバイバル術だしな https://t.co/6ZAEkWXKtu— 水産品 (@sakanazensen) 2017年2月27日 予測精度による比較は広く行われていますが，計算速度やメモリ使用量による比較は見たことが無かったので，tweetで紹介されている論文"An Analysis of Deep Neural Netwo
chainerのAlexnetを用いてFine Tuningをする | TOMMY NOTES
はじめにも記述しましたが、学習済みのパラメータを使って自分で学習させたい層だけコピーせずに学習させます。特定の層のみ学習させると言っても、実際にはすべての層を学習させてると思います。 モデルが大きくなり大量の画像を学習させると深い層のパラメータは簡単には更新されないそうです。 それはつまり、どの画像においても重用な低次元の特徴が低層のパラメータに反映されているので、自分で判別したい画像群を学習させたい時は高層のみが自然と学習されます。 パラメータのコピーのコードは参考にさせていただいたページで使われているものを使用させていただきます。このコードは同じレイヤー名であった場合はパラメータをコピーします。 つまり、自分で学習させる層はコピー元(学習済alexnet)に無い名前をつけましょう。 import chainer def copy_model(src, dst): assert isin
chainerのimagenetサンプルで好きな画像サイズで入力する方法 - 画像処理とか機械学習とか
chainerのサンプルにあるimagenetは，1000クラスの大規模画像分類用に設計されたネットワークである，Network In Network や，AlexNet, GoogLeNetなどを使うことが出来ます。 入力画像のサイズは256×256となっており，train_imagenet.pyの学習プログラムの内部でランダムにクリッピングをすることで，学習データを増やし，多少のズレに頑健なネットワークの学習が可能となっています。 このサンプルソースを使って，自分で用意した学習データを使って学習させたい場合，入力画像のサイズや，アスペクト比が違うこともあると思います。 そういう場合に、どこを変更すれば簡単に動くようになるかを紹介したいと思います。 まず、train_imagenet.pyのプログラムから PreprocessedDatasetクラスの変更部分がこちらです。 class
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
