ディープラーニングの様々なモデルを使ってCIFAR-10画像データセットの分類を行う
動機 Residual Networkのようなdeeeepなニューラルネットワークを使ってみたいと思いました。 MNISTでは物足りなく、ImageNetはデータ集めるのが大変そう&学習に時間がかかりそう、という理由でCIFAR-10画像データセットをつかって画像の分類を行いました。 CIFAR-10画像データセットとは CIFAR-10画像データセットは小さいサイズのカラー画像のデータセットです https://www.cs.toronto.edu/~kriz/cifar.html 画像サイズは32 x 32px 10クラスの画像がそれぞれ6000枚、計60000枚の画像がある そのうち50000枚が学習データ、10000枚がテストデータ クラスはairplane, automobile, bird, cat, deer, dog, frog, horse, ship, truck 実行
Chainer: クラス分類による溶解度の予測 | Cheminformist3
今回は、Deep Learningの新しいフレームワークであるChainerを使って、クラス分類による溶解度の予測を行いたいと思います。 Chainer 公式サイト 業務では主にPythonを使うことが多いので、Chainerは、本当に有難いフレームワークだと思っています。 インストール インストールは本当に簡単です！ > pip install chainer Chainerのサンプルプログラムにあるtrain_mnist.pyを参考にして、以下のプログラムを書いてみました。 chainer_01.py: from rdkit import Chem from rdkit.Chem import AllChem from rdkit.Chem import Descriptors from rdkit import DataStructs from rdkit.ML.Descriptor
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
