Enviar búsqueda
Cargar
もう学習は機械に任せたい2 -ディープラーニングの逆襲-
•
Descargar como PPTX, PDF
•
0 recomendaciones
•
290 vistas
K
Kosuke Sugahara
Seguir
Wacker#16 発表資料
Leer menos
Leer más
Ingeniería
Denunciar
Compartir
Denunciar
Compartir
1 de 16
Descargar ahora
Recomendados
機械学習ライブラリ : TensorFlow
機械学習ライブラリ : TensorFlow
機械学習ライブラリ : TensorFlow
エンジニア勉強会 エスキュービズム
Tensorflowの基本的な使い方について説明しています。
Tensorflow
Tensorflow
Hakky St
TensorFlowの紹介 TensorFlowを使ってみた
TensorFlowで遊んでみよう!
TensorFlowで遊んでみよう!
Kei Hirata
2016/2/26 株式会社インフィニットループ社内勉強会資料
TensorFlow 入門
TensorFlow 入門
Takenori Nakagawa
TensorFlow初心者の開発者が、TensorFlowに期待することを発表します。
開発者からみたTensor flow
開発者からみたTensor flow
Hideo Kinami
この続きでTheanoの使い方について簡単に書きました:http://qiita.com/items/3fbf6af714c1f66f99e9
Pythonとdeep learningで手書き文字認識
Pythonとdeep learningで手書き文字認識
Ken Morishita
研究室内輪読での発表資料。20150421。 参考リンク: deeplearning.jp
DL Hacks輪読 Semi-supervised Learning with Deep Generative Models
DL Hacks輪読 Semi-supervised Learning with Deep Generative Models
Yusuke Iwasawa
深層学習による自然言語処理 4.2-4.3 誤って古いファイルをあげてしまっていたため、参考文献の下3つに情報が漏れてるのと、そのあとに余分なスライドが載っちゃっています 🙇♂️
Deep nlp 4.2-4.3_0309
Deep nlp 4.2-4.3_0309
cfiken
Recomendados
機械学習ライブラリ : TensorFlow
機械学習ライブラリ : TensorFlow
機械学習ライブラリ : TensorFlow
エンジニア勉強会 エスキュービズム
Tensorflowの基本的な使い方について説明しています。
Tensorflow
Tensorflow
Hakky St
TensorFlowの紹介 TensorFlowを使ってみた
TensorFlowで遊んでみよう!
TensorFlowで遊んでみよう!
Kei Hirata
2016/2/26 株式会社インフィニットループ社内勉強会資料
TensorFlow 入門
TensorFlow 入門
Takenori Nakagawa
TensorFlow初心者の開発者が、TensorFlowに期待することを発表します。
開発者からみたTensor flow
開発者からみたTensor flow
Hideo Kinami
この続きでTheanoの使い方について簡単に書きました:http://qiita.com/items/3fbf6af714c1f66f99e9
Pythonとdeep learningで手書き文字認識
Pythonとdeep learningで手書き文字認識
Ken Morishita
研究室内輪読での発表資料。20150421。 参考リンク: deeplearning.jp
DL Hacks輪読 Semi-supervised Learning with Deep Generative Models
DL Hacks輪読 Semi-supervised Learning with Deep Generative Models
Yusuke Iwasawa
深層学習による自然言語処理 4.2-4.3 誤って古いファイルをあげてしまっていたため、参考文献の下3つに情報が漏れてるのと、そのあとに余分なスライドが載っちゃっています 🙇♂️
Deep nlp 4.2-4.3_0309
Deep nlp 4.2-4.3_0309
cfiken
計算機統計学会第30回大会でのプレゼン資料です。
Pythonによる機械学習
Pythonによる機械学習
Kimikazu Kato
CV/NLP交流会第2回の第3.4章-第4.1章の発表資料です。
Nlpaper.challenge2 nlp2
Nlpaper.challenge2 nlp2
Hidehisa Arai
2017/6/13 Deep Learning JP: http://deeplearning.jp/seminar-2/
[DL輪読会]Learning by Association - A versatile semi-supervised training method ...
[DL輪読会]Learning by Association - A versatile semi-supervised training method ...
Deep Learning JP
社内勉強会で使用した資料です。
[第2版] Python機械学習プログラミング 第1章
[第2版] Python機械学習プログラミング 第1章
Haruki Eguchi
Practical data science course at Kyushu University. 九州大学 大学院システム情報科学府の講義「データサイエンス概論第二」,「データサイエンス演習第一」で使用している資料です.
DS Exercise Course 3
DS Exercise Course 3
大貴 末廣
脳型計算機雑談会での資料です 1. 大きなNNの学習はなぜ一様に成功するか 2. 敵対的生成ネットワーク(GAN)の解析 3. seq2seqによる可変長情報の埋め込み 4. Ladder Networkの解析
現在のDNNにおける未解決問題
現在のDNNにおける未解決問題
Daisuke Okanohara
エクテックカジュアル勉強会 深層学習フレームワーク概要編資料
Basic deep learning_framework
Basic deep learning_framework
KazuhiroSato8
トップエスイー実践プログラミングセミナーシリーズ 「TensorFlowによるニューラルネットワーク入門」 で使用した資料です。 http://topse.or.jp/%E3%83%97%E3%83%AD%E3%82%B0%E3%83%A9%E3%83%9F%E3%83%B3%E3%82%B0%E3%82%BB%E3%83%9F%E3%83%8A%E3%83%BC%E3%80%8Ctensorflow%E3%81%AB%E3%82%88%E3%82%8B%E3%83%8B%E3%83%A5%E3%83%BC%E3%83%A9%E3%83%AB%E3%83%8D/ 2016/11/17 ver1.0 公開 2016/11/28 ver1.1 Update 2017/01/21 ver1.2 Update 2017/01/24 ver1.3 Update
TensorFlowによるニューラルネットワーク入門
TensorFlowによるニューラルネットワーク入門
Etsuji Nakai
福岡市内のイベントで発表した資料です。
ディープラーニングで株価予測をやってみた
ディープラーニングで株価予測をやってみた
卓也 安東
NIPS2014読み会における論文紹介資料です。
論文紹介 Semi-supervised Learning with Deep Generative Models
論文紹介 Semi-supervised Learning with Deep Generative Models
Seiya Tokui
Jubatusのリアルタイム分散レコメンデーション@TokyoWebmining#17
Jubatusのリアルタイム分散レコメンデーション@TokyoWebmining#17
Yuya Unno
Practical data science course at Kyushu University. 九州大学 大学院システム情報科学府の講義「データサイエンス概論第二」,「データサイエンス演習第一」で使用している資料です.
DS Exercise Course 2
DS Exercise Course 2
大貴 末廣
各種数値計算など
Python基礎その2
Python基礎その2
大貴 末廣
本番環境とデータ分析環境の言語の差がツライ
特徴ベクトル変換器を作った話
特徴ベクトル変換器を作った話
Tokoroten Nakayama
ディープラーニング(深層学習)のソフトウェア「TensorFlow」の紹介と従来の機械学習との違いを解説
TensorFlowとは? ディープラーニング (深層学習) とは?
TensorFlowとは? ディープラーニング (深層学習) とは?
KSK Analytics Inc.
社内勉強会で『Python 機械学習プログラミング』の第 3 章の発表を担当した際の資料です。教科書で触れられている各アルゴリズムについて、アルゴリズムの概要と Iris データセットへの適用結果を説明しています。 発表資料に対応して、Jupyter Notebook で実行した ipynb ファイルを Gist にアップロードしています。 https://gist.github.com/y-uti/bd0928ad4f4eff7794a00108f6cbe7cc [2017-05-08] スライド 37 ページの内容はカーネル SVM の理解について大きな誤りがあったため取り消します。
分類問題 - 機械学習ライブラリ scikit-learn の活用
分類問題 - 機械学習ライブラリ scikit-learn の活用
y-uti
Vanishing Component Analysis [Livni+ ICML 2013] の紹介
Vanishing Component Analysis
Vanishing Component Analysis
Koji Matsuda
Sakusaku svm
Sakusaku svm
antibayesian 俺がS式だ
社内勉強会で発表したディープニューラルネットの入門資料です
ディープニューラルネット入門
ディープニューラルネット入門
TanUkkii
機械学習工学研究会主催の「XX for ML 論文読み会 #1」での発表資料です。論文は https://arxiv.org/abs/1808.05353 からダウンロードできます。 Metamorphic testing を (1) SVM による MNIST 手書き数字の認識、(2) ResNet-32 による CIFAR-10 画像分類の二つのアプリケーションに適用し、バグを検出できるかを実験したという内容です。実験の枠組みには mutation testing を用い、71% のバグを発見できたと報告されています。
論文紹介 Identifying Implementation Bugs in Machine Learning based Image Classifi...
論文紹介 Identifying Implementation Bugs in Machine Learning based Image Classifi...
y-uti
ディープラーニングの基礎を、TensorFlowのチュートリアルに沿って学ぶための資料です。理論と実装を交互に入れ、手を動かしながら学べます。 ※社内向けにディープラーニングゼミを開催した際の資料です。
ディープラーニングゼミ TensorFlowで学ぶ理論と実践
ディープラーニングゼミ TensorFlowで学ぶ理論と実践
Yota Ishida
2016/9/3 html5 conference lightning talks
HTML5 Conference LT TensorFlow
HTML5 Conference LT TensorFlow
isaac-otao
Más contenido relacionado
La actualidad más candente
計算機統計学会第30回大会でのプレゼン資料です。
Pythonによる機械学習
Pythonによる機械学習
Kimikazu Kato
CV/NLP交流会第2回の第3.4章-第4.1章の発表資料です。
Nlpaper.challenge2 nlp2
Nlpaper.challenge2 nlp2
Hidehisa Arai
2017/6/13 Deep Learning JP: http://deeplearning.jp/seminar-2/
[DL輪読会]Learning by Association - A versatile semi-supervised training method ...
[DL輪読会]Learning by Association - A versatile semi-supervised training method ...
Deep Learning JP
社内勉強会で使用した資料です。
[第2版] Python機械学習プログラミング 第1章
[第2版] Python機械学習プログラミング 第1章
Haruki Eguchi
Practical data science course at Kyushu University. 九州大学 大学院システム情報科学府の講義「データサイエンス概論第二」,「データサイエンス演習第一」で使用している資料です.
DS Exercise Course 3
DS Exercise Course 3
大貴 末廣
脳型計算機雑談会での資料です 1. 大きなNNの学習はなぜ一様に成功するか 2. 敵対的生成ネットワーク(GAN)の解析 3. seq2seqによる可変長情報の埋め込み 4. Ladder Networkの解析
現在のDNNにおける未解決問題
現在のDNNにおける未解決問題
Daisuke Okanohara
エクテックカジュアル勉強会 深層学習フレームワーク概要編資料
Basic deep learning_framework
Basic deep learning_framework
KazuhiroSato8
トップエスイー実践プログラミングセミナーシリーズ 「TensorFlowによるニューラルネットワーク入門」 で使用した資料です。 http://topse.or.jp/%E3%83%97%E3%83%AD%E3%82%B0%E3%83%A9%E3%83%9F%E3%83%B3%E3%82%B0%E3%82%BB%E3%83%9F%E3%83%8A%E3%83%BC%E3%80%8Ctensorflow%E3%81%AB%E3%82%88%E3%82%8B%E3%83%8B%E3%83%A5%E3%83%BC%E3%83%A9%E3%83%AB%E3%83%8D/ 2016/11/17 ver1.0 公開 2016/11/28 ver1.1 Update 2017/01/21 ver1.2 Update 2017/01/24 ver1.3 Update
TensorFlowによるニューラルネットワーク入門
TensorFlowによるニューラルネットワーク入門
Etsuji Nakai
福岡市内のイベントで発表した資料です。
ディープラーニングで株価予測をやってみた
ディープラーニングで株価予測をやってみた
卓也 安東
NIPS2014読み会における論文紹介資料です。
論文紹介 Semi-supervised Learning with Deep Generative Models
論文紹介 Semi-supervised Learning with Deep Generative Models
Seiya Tokui
Jubatusのリアルタイム分散レコメンデーション@TokyoWebmining#17
Jubatusのリアルタイム分散レコメンデーション@TokyoWebmining#17
Yuya Unno
Practical data science course at Kyushu University. 九州大学 大学院システム情報科学府の講義「データサイエンス概論第二」,「データサイエンス演習第一」で使用している資料です.
DS Exercise Course 2
DS Exercise Course 2
大貴 末廣
各種数値計算など
Python基礎その2
Python基礎その2
大貴 末廣
本番環境とデータ分析環境の言語の差がツライ
特徴ベクトル変換器を作った話
特徴ベクトル変換器を作った話
Tokoroten Nakayama
ディープラーニング(深層学習)のソフトウェア「TensorFlow」の紹介と従来の機械学習との違いを解説
TensorFlowとは? ディープラーニング (深層学習) とは?
TensorFlowとは? ディープラーニング (深層学習) とは?
KSK Analytics Inc.
社内勉強会で『Python 機械学習プログラミング』の第 3 章の発表を担当した際の資料です。教科書で触れられている各アルゴリズムについて、アルゴリズムの概要と Iris データセットへの適用結果を説明しています。 発表資料に対応して、Jupyter Notebook で実行した ipynb ファイルを Gist にアップロードしています。 https://gist.github.com/y-uti/bd0928ad4f4eff7794a00108f6cbe7cc [2017-05-08] スライド 37 ページの内容はカーネル SVM の理解について大きな誤りがあったため取り消します。
分類問題 - 機械学習ライブラリ scikit-learn の活用
分類問題 - 機械学習ライブラリ scikit-learn の活用
y-uti
Vanishing Component Analysis [Livni+ ICML 2013] の紹介
Vanishing Component Analysis
Vanishing Component Analysis
Koji Matsuda
Sakusaku svm
Sakusaku svm
antibayesian 俺がS式だ
社内勉強会で発表したディープニューラルネットの入門資料です
ディープニューラルネット入門
ディープニューラルネット入門
TanUkkii
機械学習工学研究会主催の「XX for ML 論文読み会 #1」での発表資料です。論文は https://arxiv.org/abs/1808.05353 からダウンロードできます。 Metamorphic testing を (1) SVM による MNIST 手書き数字の認識、(2) ResNet-32 による CIFAR-10 画像分類の二つのアプリケーションに適用し、バグを検出できるかを実験したという内容です。実験の枠組みには mutation testing を用い、71% のバグを発見できたと報告されています。
論文紹介 Identifying Implementation Bugs in Machine Learning based Image Classifi...
論文紹介 Identifying Implementation Bugs in Machine Learning based Image Classifi...
y-uti
La actualidad más candente
(20)
Pythonによる機械学習
Pythonによる機械学習
Nlpaper.challenge2 nlp2
Nlpaper.challenge2 nlp2
[DL輪読会]Learning by Association - A versatile semi-supervised training method ...
[DL輪読会]Learning by Association - A versatile semi-supervised training method ...
[第2版] Python機械学習プログラミング 第1章
[第2版] Python機械学習プログラミング 第1章
DS Exercise Course 3
DS Exercise Course 3
現在のDNNにおける未解決問題
現在のDNNにおける未解決問題
Basic deep learning_framework
Basic deep learning_framework
TensorFlowによるニューラルネットワーク入門
TensorFlowによるニューラルネットワーク入門
ディープラーニングで株価予測をやってみた
ディープラーニングで株価予測をやってみた
論文紹介 Semi-supervised Learning with Deep Generative Models
論文紹介 Semi-supervised Learning with Deep Generative Models
Jubatusのリアルタイム分散レコメンデーション@TokyoWebmining#17
Jubatusのリアルタイム分散レコメンデーション@TokyoWebmining#17
DS Exercise Course 2
DS Exercise Course 2
Python基礎その2
Python基礎その2
特徴ベクトル変換器を作った話
特徴ベクトル変換器を作った話
TensorFlowとは? ディープラーニング (深層学習) とは?
TensorFlowとは? ディープラーニング (深層学習) とは?
分類問題 - 機械学習ライブラリ scikit-learn の活用
分類問題 - 機械学習ライブラリ scikit-learn の活用
Vanishing Component Analysis
Vanishing Component Analysis
Sakusaku svm
Sakusaku svm
ディープニューラルネット入門
ディープニューラルネット入門
論文紹介 Identifying Implementation Bugs in Machine Learning based Image Classifi...
論文紹介 Identifying Implementation Bugs in Machine Learning based Image Classifi...
Similar a もう学習は機械に任せたい2 -ディープラーニングの逆襲-
ディープラーニングの基礎を、TensorFlowのチュートリアルに沿って学ぶための資料です。理論と実装を交互に入れ、手を動かしながら学べます。 ※社内向けにディープラーニングゼミを開催した際の資料です。
ディープラーニングゼミ TensorFlowで学ぶ理論と実践
ディープラーニングゼミ TensorFlowで学ぶ理論と実践
Yota Ishida
2016/9/3 html5 conference lightning talks
HTML5 Conference LT TensorFlow
HTML5 Conference LT TensorFlow
isaac-otao
TFUG鹿児島#1で話したスライド
tfug-kagoshima
tfug-kagoshima
tak9029
2017/6/23 Deep Learning JP: http://deeplearning.jp/seminar-2/
[DL輪読会]Xception: Deep Learning with Depthwise Separable Convolutions
[DL輪読会]Xception: Deep Learning with Depthwise Separable Convolutions
Deep Learning JP
発表日:2018年01月27日 イベント名: AITCオープンラボ TensorFlow勉強会シリーズ2 成果報告会 イベントURL:http://aitc.jp/events/20180127-OpenLab/info.html タイトル:TensorFlowの計算グラフの理解 発表者:吉田 裕之氏 TensorFlowによるニューラルネットワークの実装は、「計算グラフ」を構築 するコードの記述になります。 本発表では、TensorFlow利用の基礎知識として、計算グラフの考え方と仕組 みを解説します。
2018年01月27日 TensorFlowの計算グラフの理解
2018年01月27日 TensorFlowの計算グラフの理解
aitc_jp
2016 12/21 「数式がわからなくたってDeep Learningやってみたい!人集合- dots. DeepLearning部 発足!」で発表した資料です。
ChainerでDeep Learningを試す為に必要なこと
ChainerでDeep Learningを試す為に必要なこと
Jiro Nishitoba
2016/12/21 dots.DeepLearning部「数式がわからなくたってDeep Learningやってみたい!人集合- dots. DeepLearning部 発足!」で講演した資料です。
ChainerでDeep Learningを試すために必要なこと
ChainerでDeep Learningを試すために必要なこと
Retrieva inc.
統計・マーケ・機械学習 Meetup! #4 @ ゴーリスト https://data-refinement.connpass.com/event/75337/ で発表した時の資料です。
機械学習初学者が短期間でTensor flowで作ったmnistモデルをandroidアプリに組み込んだ話
機械学習初学者が短期間でTensor flowで作ったmnistモデルをandroidアプリに組み込んだ話
まえすとろ
Talk in ScalaMatsuri 2016 http://scalamatsuri.org/ Sample code: https://github.com/taisukeoe/matsuri-mnist-example
Getting Started with Deep Learning using Scala
Getting Started with Deep Learning using Scala
Taisuke Oe
TensorFlow勉強会(3) で発表予定の資料です。 http://connpass.com/event/27081/ 公開履歴 2016/03/25 ver1.0 公開 2016/03/29 ver1.1 Jupyterの紹介を追加
「TensorFlow Tutorialの数学的背景」 クイックツアー(パート1)
「TensorFlow Tutorialの数学的背景」 クイックツアー(パート1)
Etsuji Nakai
AWSとPCでそれぞれ環境構築して、様々な画像分類と生成について実行しその概要を学習します。
いきなりAi tensor flow gpuによる画像分類と生成
いきなりAi tensor flow gpuによる画像分類と生成
Yoshi Sakai
TensorFlowを絡めて簡単な画像認識用のCNNを解説する勉強会の資料です
Deep Learning基本理論とTensorFlow
Deep Learning基本理論とTensorFlow
Tadaichiro Nakano
2017/7/7 Deep Learning JP: http://deeplearning.jp/seminar-2/
[DL輪読会]StyleNet: Generating Attractive Visual Captions with Styles
[DL輪読会]StyleNet: Generating Attractive Visual Captions with Styles
Deep Learning JP
2014/10/22に社内で行った講演会のスライドです。
『手を動かしながら学ぶ ビジネスに活かすデータマイニング』で目指したもの・学んでもらいたいもの
『手を動かしながら学ぶ ビジネスに活かすデータマイニング』で目指したもの・学んでもらいたいもの
Takashi J OZAKI
近年、自然言語処理の分野で注目を集め今では重要な基礎技術となったAttentionについて、その起源と発展を振り返ります。
NLPにおけるAttention~Seq2Seq から BERTまで~
NLPにおけるAttention~Seq2Seq から BERTまで~
Takuya Ono
KDD2021読み会の登壇資料です。 UCPhraseという、教師なしでのキーフレーズ抽出手法について解説します。
2021 10-07 kdd2021読み会 uc phrase
2021 10-07 kdd2021読み会 uc phrase
Tatsuya Shirakawa
ゼロから作るDeepLearning 4章 輪読
ゼロから作るDeepLearning 4章 輪読
ゼロから作るDeepLearning 4章 輪読
KCS Keio Computer Society
Niigata.NET 2015-10の発表資料です。
業務アプリケーション開発を支える.NET技術 #ngtnet
業務アプリケーション開発を支える.NET技術 #ngtnet
将 高野
This is a slide we have showed neural network console hands-on in 26th of June.
2018/6/26 deep learning Neural Network Console hands-on
2018/6/26 deep learning Neural Network Console hands-on
Sony Network Communications Inc.
2024/2/27 に JASA OpenEL working group で講演した資料 https://note.com/kae_made から公開している概念モデリングに関する技術コンテンツをAzure OpenAI Studio で追加学習し、概念モデリング支援チャットを作成を試す方法を解説 デモ動画は、https://youtu.be/UGCuMwM8cEE?si=wT9YH8Hx8Zmjuolf で視聴可
ChatGPT(LLMによる生成系AI)の追加学習を No Code で行う ~ 概念モデリング教本を元に ~
ChatGPT(LLMによる生成系AI)の追加学習を No Code で行う ~ 概念モデリング教本を元に ~
Knowledge & Experience
Similar a もう学習は機械に任せたい2 -ディープラーニングの逆襲-
(20)
ディープラーニングゼミ TensorFlowで学ぶ理論と実践
ディープラーニングゼミ TensorFlowで学ぶ理論と実践
HTML5 Conference LT TensorFlow
HTML5 Conference LT TensorFlow
tfug-kagoshima
tfug-kagoshima
[DL輪読会]Xception: Deep Learning with Depthwise Separable Convolutions
[DL輪読会]Xception: Deep Learning with Depthwise Separable Convolutions
2018年01月27日 TensorFlowの計算グラフの理解
2018年01月27日 TensorFlowの計算グラフの理解
ChainerでDeep Learningを試す為に必要なこと
ChainerでDeep Learningを試す為に必要なこと
ChainerでDeep Learningを試すために必要なこと
ChainerでDeep Learningを試すために必要なこと
機械学習初学者が短期間でTensor flowで作ったmnistモデルをandroidアプリに組み込んだ話
機械学習初学者が短期間でTensor flowで作ったmnistモデルをandroidアプリに組み込んだ話
Getting Started with Deep Learning using Scala
Getting Started with Deep Learning using Scala
「TensorFlow Tutorialの数学的背景」 クイックツアー(パート1)
「TensorFlow Tutorialの数学的背景」 クイックツアー(パート1)
いきなりAi tensor flow gpuによる画像分類と生成
いきなりAi tensor flow gpuによる画像分類と生成
Deep Learning基本理論とTensorFlow
Deep Learning基本理論とTensorFlow
[DL輪読会]StyleNet: Generating Attractive Visual Captions with Styles
[DL輪読会]StyleNet: Generating Attractive Visual Captions with Styles
『手を動かしながら学ぶ ビジネスに活かすデータマイニング』で目指したもの・学んでもらいたいもの
『手を動かしながら学ぶ ビジネスに活かすデータマイニング』で目指したもの・学んでもらいたいもの
NLPにおけるAttention~Seq2Seq から BERTまで~
NLPにおけるAttention~Seq2Seq から BERTまで~
2021 10-07 kdd2021読み会 uc phrase
2021 10-07 kdd2021読み会 uc phrase
ゼロから作るDeepLearning 4章 輪読
ゼロから作るDeepLearning 4章 輪読
業務アプリケーション開発を支える.NET技術 #ngtnet
業務アプリケーション開発を支える.NET技術 #ngtnet
2018/6/26 deep learning Neural Network Console hands-on
2018/6/26 deep learning Neural Network Console hands-on
ChatGPT(LLMによる生成系AI)の追加学習を No Code で行う ~ 概念モデリング教本を元に ~
ChatGPT(LLMによる生成系AI)の追加学習を No Code で行う ~ 概念モデリング教本を元に ~
もう学習は機械に任せたい2 -ディープラーニングの逆襲-
1.
もう学習は機械に 任せたい2 ディープラーニングの逆襲 @Signal株式会社 菅原 浩祐
2.
これまでのあらすじ • Wacker#8で、TensorFlowでMNISTの環境を構築して動かした けど、何をやっているかまではわからんかった
3.
MNISTとは • 手書き文字認識の例題 • 0~10までの数字一文字が書かれた28
* 28ピクセルの画像が 70000個入ったデータセット • TensorFlowのチュートリアルとしてはBeginnersとExpertの二 種類がある • これらの画像を正しく分類できるようにプログラムを自動で学 習させる
4.
本日の目的 • TensorFlowのMNIST ML
Beginners及び、Expertのサンプル コードがそれぞれ何をやっているか解説して、TensorFlowの活 用方法を理解できれば
5.
そもそもディープラーニングとは • 超ざっくり言うと 「入力された配列から正しい答えを導くために必要な変数を求め る」ための方法
6.
MNIST ML Beginners 【データの入力】 ・TensorFlow(というかDeeplernning)では画像を1ピクセル ごとに数値に置き換えて、配列として扱う MNISTのデータの場合 28
* 28 256階調 の画像データなので・・・ 「それぞれの要素に256までの整数が入った784個の要素数の 1次元配列」としてデータを入力する 例: [0,1,0,2,0・・・・・]
7.
【処理】 [必要な変数とは] 重み(W)とバイアス(b) それぞれのxに対応する重みを掛け算したものと、バイアスを全 部足し算したものが出力(y)になる
8.
それぞれのxに対応する重みを掛け算したものと、バイアスを全 部足し算したものが出力(y)になる 式で表すと: Yi = W1
* X1 + W2 * X2 + ……. W784 * X784 + b ↑この重みとバイアスを調整して「問題を解ける式」を求めてい くというのが根本の原理 (yは答えの種類の数だけ用意(MNISTの場合0~9の10種類:y0~ y9))
9.
[評価(重みとバイアスをどう導くか)] • 出力結果のパーセンテージとラベルデータを突き合わせて、答 え合わせをして差を算出する 合ってたら(差が少なければ):W,bはそのまま 間違ってたら(差が大きければ):W,bを次に進めて再計算 →この差の事をクロスエントロピーと呼ぶ
10.
[ソフトマックス関数] 出力の総和が1になるように比率化する処理 例えば Y0:0.2, Y1:0, Y2:0,
Y3:0, Y4:0, Y5:0, Y6:0.8, Y7:0, Y8:0, Y9:0 こういう出力になるように調整してくれるので、パーセンテージ で答えが表せられる
11.
MNIST ML Expert [TensorFlowのMNIST
BeginnersとExpertの違い] ・畳み込み処理のある無し
12.
[畳み込み処理とは] ・画像にフィルタ処理を施して特徴量を抽出する 画像(の配列)を小さい矩形に区切って、それぞれに特定の値を 乗算して、特徴を増大させる http://engineering.flipboard.com/assets/convnets/Convolution_schematic.gif →例えば:グレーの部分を黒に置き換えることで線の部分を太 くする、とか(参考)
13.
[プーリング] 画像が多少ずれていても結果に影響が出ないように調整する処理 MAXプーリング: 画像(の配列)を小さい矩形に区切り、その範囲内で一番大きな値 を結果として採用していく 平均プーリング: 画像(の配列)を小さい矩形に区切り、その範囲内の平均値を結果 として採用していく
14.
[活性化関数] どの程度特徴があったら真とするか、という評価をなめらかにし たり、緩急をつけたりして調整するための処理
15.
MNIST ML Expertソースコードの解説 https://gist.github.com/uramonk/422bb33419df91b253d8728f e794f8b4
16.
便利ツール • Anaconda:Pythonのバージョン管理システム http://qiita.com/exy81/items/48314b968d9fad6170c8 • Jupyter
Notebook:Pythonを1行ずつ確認しながら実行できる 仕組み http://qiita.com/icoxfog417/items/175f69d06f4e590face9
Descargar ahora