ヤフー株式会社は、2023年10月1日にLINEヤフー株式会社になりました。LINEヤフー株式会社の新しいブログはこちらです。LINEヤフー Tech Blog こんにちは。システム統括本部 データソリューション本部の宮崎です。 最近ディープラーニングと呼ばれる技術の話題を耳にすることが増えてきました。 この記事ではディープラーニングの手法を実装し画像認識系の用途で便利に使えるCaffeというツールの使い方を紹介します。 Caffeの概要 Caffeは、C++で実装されGPUに対応した高速なディープラーニングのライブラリです。 大規模画像認識のコンテストILSVRCで2012年にトップとなった畳込みニューラルネットワークの画像分類モデル[1]がすぐに利用できるようになっています。 Caffeは、カリフォルニア大学バークレー校のコンピュータビジョンおよび機械学習に関する研究センターであるBV
他の人が作成し、アップロードしているモデルを利用する。 今回は手始めにVGG16のネットワークとモデルをダウンロードし、Caltech101のデータをかけてみる 1.ネットワーク定義ファイルのダウンロード 多くの研究結果がModel Zooで公開されており、GitHub Gistでダウンロードできる(Caffe内のダウンロード専用のスクリプトを使う) まず、Model Zoo(Model Zoo · BVLC/caffe Wiki · GitHub)でVGG16のページを探し、readme.mdのGist IDを確認する ILSVRC-2014 model (VGG team) with 16 weight layers · GitHub IDが確認できたらスクリプトを使ってダウンロードする。 ※以下、$WORKのフォルダで作業するものとする $ cd $WORK $ $CAFFE_HOM
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
はじめに 素人がCaffe(CPU_onlyモード)でMNISTのデータを学習させる話です。MNISTデータベースはLeCunらが作成した、0-9の手書き文字のデータセットです。 Mac OS10.11の情報が見当たらなかったため、覚書も兼ねてメモしておきます。 (1)実行環境 (2)CaffeでMNISTを学習 (3)精度のPLOT (4)実際に遭遇したエラーとその対処方法 (5)参考にしたサイト インストール編はこちら。 (1)実行環境 OS:Mac OSX El Capitan (10.11.6) CPU: Core i5 1.6GHz GPU: Intel HD Graphics 6000 1536 MB メモリ: 8GB (2)CaffeでMNISTを学習 基本的には、Caffeの公式サイトのTraining LeNet on MNIST with Caffeを参考にしています。
Ubuntuで人工知能・機械学習(TensorFlow、Caffe)を試す環境を作るansible playbookを作りました。Ubuntu機械学習AnsibleCaffeTensorFlow Ubuntuで人工知能・機械学習(TensorFlow、Caffe)を試す環境を作るansible playbookを作りました。 TensorFlowはともかく、Caffeは設定も少々あったりで時間がかかるので すぐに実行環境を作れるようにansibleで書きました。 今後他の機械学習フレームワークの追加とMac対応をする予定です。 参考 https://www.amazon.co.jp/dp/B01LXSSR7X/ref=dp-kindle-redirect?_encoding=UTF8&btkr=1 --- - name: 基本パッケージをインストール apt: name={{item}}
ディープラーニングの有名ライブラリ5種を最短距離で試す半日コース(TensorFlow, Chainer, Caffe, DeepDream, 画風変換)Python画像処理機械学習DeepLearningTensorFlow 「いつか勉強しよう」と人工知能/機械学習/ディープラーニング(Deep Learning)といったトピックの記事の見つけてはアーカイブしてきたものの、結局2015年は何一つやらずに終わってしまったので、とにかく一歩でも足を踏み出すべく、 本質的な理解等はさておき、とにかく試してみる ということをやってみました。 試したのは、TensorFlow、Chainer、Caffe といった機械学習およびディープラーニングの代表的なライブラリ/フレームワーク3種と、2015年に話題になったディープラーニングを利用したアプリケーション2種(DeepDream、chainer-g
「いつか勉強しよう」と人工知能/機械学習/ディープラーニング(Deep Learning)といったトピックの記事の見つけてはアーカイブしてきたものの、結局2015年は何一つやらずに終わってしまったので、とにかく一歩でも足を踏み出すべく、本質的な理解等はさておき、とにかく試してみるということをやってみました。 試したのは、TensorFlow、Chainer、Caffe といった機械学習およびディープラーニングの代表的なライブラリ/フレームワーク3種と、2015年に話題になったディープラーニングを利用したアプリケーション2種(DeepDream、chainer-gogh)。 (DeepDreamで試した結果画像) タイトルに半日と書きましたが、たとえばTensorFlowは環境構築だけなら10分もあれば終わるでしょうし、Chainerなんてコマンド一発なので5秒くらいです。Caffeは僕はハ
Caffe Caffe is a deep learning framework made with expression, speed, and modularity in mind. It is developed by Berkeley AI Research (BAIR) and by community contributors. Yangqing Jia created the project during his PhD at UC Berkeley. Caffe is released under the BSD 2-Clause license. Check out our web image classification demo! Why Caffe? Expressive architecture encourages application and innovat
PyData Tokyo Meetup #1 on October 30th, 2014 Meetup #1 詳細:http://pydatatokyo.connpass.com/event/9543/ Meetup #1 テーマ:Deep Learning スピーカー:株式会社 Preferred Networks 大野 健太さん タイトル:Caffeとmaf を用いたディープラーニング開発・実験方法 スライド:http://www.slideshare.net/KentaOono/how-to-develop 概要:ディープラーニングは様々なタスクで圧倒的な精度向上を上げる反面、設計の自由度や膨大なパラメータの為にチューニングに困難を伴うことが多い。ディープラーニングの活用には効率的な仮説構築・開発・実験・検証のサイクルが鍵となる。mafはPythonベースのビルドツールで
TOPICS 発行年月日 2015年08月 PRINT LENGTH 144 ISBN 978-4-87311-745-4 FORMAT PDF EPUB Caffeは深層学習(Deep Learning)のオープンソースフレームワークで、主に画像処理分野において利用されています。本書はCaffeを使って画像処理をしてみたいという初心者を対象に、Caffeの使い方、Caffeを使う上で最低限必要な知識について解説する書籍です。 まずビルド方法や利用するためのインターフェースの解説から、実際に画像認識を行う一連の流れを説明します。続いてCaffeで利用している畳み込みニューラルネットワーク(CNN)とその構成要素、さらにAlexNetやGoogLeNetといった代表的なCNNのアーキテクチャについても解説します。 さらにblobやlayerといったCaffe独自のクラス、また設定できるパラメ
TwitterでCaffeという単語をチラホラ見かけるようになってたんだけど、何のことかしばらくわからなかった。 どうやらディープラーニングのフレームワークの名前らしい。 Caffeはキレイで読みやすく、高速に処理できることを念頭に置いて開発されたディープラーニングのフレームワークです。 Caffeは、Yangqing Jia氏がカリフォルニア大学バークレー校で博士号取得中に開発したもので、現在もBerkeley VisionとLearning Center(BVLC)を中心としたコミュニティ貢献者によって開発が継続されています。 Caffeは二条項BSDライセンスです。 Web画像を分類するデモはこちら。 こういう一般名詞っぽい名前はググりづらいからやめてほしい(笑) デモページではWeb上の任意の画像URLを入力して試すことができる。そして、当然のようにPythonのインターフェイスを
Deep Learningのすごいところとしてよく挙げられるのは「画像から自動で特徴抽出をしてくれる」ことです。従来の手法であればタスクに合わせた画像の特徴をうまく抜き出すような特徴量を作る必要がありましたが、Deep Learningではネットワークが勝手に「特徴」を抽出してくれます。ネットワークが抽出した特徴量を使って別の分類器を学習させて分類することもできます。Deep Learningが自動で作った特徴量を使うことで人間が作ったSIFTなどの特徴量よりも高い精度で分類が可能になることもあるようです。 そこで今回はDeep LearningライブラリのCaffeを使って特徴抽出を行った後、AROWというアルゴリズムを使って分類を行ってみたいと思います。 Caffeによる特徴抽出 Caffe | Feature extraction with Caffe C++ code.とCaffe
はじめに 近年Deep Learningへの注目が高まっていますが、多くの場合膨大なデータを必要とすること、学習にはGPU計算環境が必要であったりなど、独特の敷居の高さがあります。この記事では、この敷居を大きく下げるであろうCaffeについて紹介します。ただ、Caffeを紹介する記事はすでに良いものがたくさんあり、そもそも公式documentがかなり充実しているので、今回は躓きやすい部分や他の記事があまり触れていない部分を中心に紹介していきます。 Caffeって何? CaffeはDeep Learningのフレームワークの一つです。Deep Learningは一般に実装が難しいとされていますが、フレームワークを使えばかなり手軽に扱うことができます。 代表的なフレームワークには、 Caffe theano/Pylearn2 Cuda-convnet2 Torch7 などがあります。この中でも
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