Chainerでtensorboardを使う - Qiita
tensorboardは使ってみるとかなり便利です。グラフやヒストグラム、画像などが描画できて、しかもインターフェースも良く出来ています。 私は最近では、chainerをよく使っているのですが、可視化ツールとしてこの便利なtensorboardを使いたかったので、chainerでtensorboardを使うパッケージを作りました。 pytorchで同じことをやっている方がいましたので、そちらをもろにパクってベースにして作っています。 使い方 基本的にはdemp.pyやdemo_graph.pyを実行してもらうとどんな感じか分かるかと思います。グラフ描画、ヒストグラム、画像などの描画に対応しています。 スカラ ヒストグラム 画像 実装について グラフ生成のところが少し悩まされました。 基本的にはchainerのcomputational_graphを使ってノードとエッジを算出し、tensor
Chainer を活用したニューラルネットの学習 〜 Web API サーバの作成 - Qiita
画像の前処理を行う Chainer の imagenet では、256×256 の画像を扱うことが前提となっているようなので、収集した画像をリサイズします。また、imagenet で学習を行う際に、画像のパスとその画像のラベルを記述したテキストファイルが必要になるので、ここで作成します。 # coding: utf-8 import os import shutil import re import random import cv2 import numpy as np WIDTH = 256 # リサイズ後の幅 HEIGHT = 256 # リサイズ後の高さ SRC_BASE_PATH = './original' # ダウンロードした画像が格納されているベースディレクトリ DST_BASE_PATH = './resized' # リサイズ後の画像を格納するベースディレクトリ LAB
ディープラーニングを活用したマイクロサービスを構築し、画像から商品カテゴリの分類をしてみる - ZOZO TECH BLOG
こんにちは、VASILYのバックエンドエンジニアの塩崎です。 iQONの中ではクローラーと検索サーバーを担当しています。 iQONのクローラーには提携ECサイトさんからクロールした商品を商品カテゴリー(Tシャツ、ワンピース、etc.)に自動的に分類する機能があり、商品タイトルや商品説明文などのテキスト情報を元に分類を行っています。 しかし、一部のカテゴリー(セーター・ニット帽)の商品はテキスト情報だけからでは精度の良い分類を行うことができません。 そのため、これらのカテゴリーの商品については画像を用いたカテゴリー分類を導入しました。 これらの機能を実現するために、当社のデータサイエンスチームとも協力を行い、ディープラーニングを用いたカテゴリー判定器を開発しました。 また、この機能は既存のクローラーの機能からの独立性が高いので、クローラーに組み込むときにはマイクロサービス化をして組み込みまし
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
オンライン手書き数字識別システムを作りました。 - PGは電子羊の夢を見るのか？
GitHub - tanikawa04/imagenet-webapi-sample: Chainer Advent Calendar 2016 の15日目のサンプルプログラムです。
GitHub - akiraak/deepstation
GitHub - peisuke/WebReporter: Chainer extension of training curves visualizer
