Enviar búsqueda
Cargar
Tfug#4
•
Descargar como PPTX, PDF
•
1 recomendación
•
2,395 vistas
T
tak9029
Seguir
TFUG#4
Leer menos
Leer más
Ingeniería
Denunciar
Compartir
Denunciar
Compartir
1 de 31
Descargar ahora
Recomendados
TFUG_yuma_matsuoka__distributed_GPU
TFUG_yuma_matsuoka__distributed_GPU
YumaMatsuoka
Tensor flow勉強会3
Tensor flow勉強会3
tak9029
High performance python computing for data science
High performance python computing for data science
Takami Sato
組込み向けスクリプト言語mrubyをEV3で動かしてみよう
組込み向けスクリプト言語mrubyをEV3で動かしてみよう
Takuya Azumi
最適化超入門
最適化超入門
Takami Sato
Tensor flow勉強会 (ayashiminagaranotensorflow)
Tensor flow勉強会 (ayashiminagaranotensorflow)
tak9029
mrubyでETロボコンに出よう
mrubyでETロボコンに出よう
yamanekko
Chainer入門と最近の機能
Chainer入門と最近の機能
Yuya Unno
Recomendados
TFUG_yuma_matsuoka__distributed_GPU
TFUG_yuma_matsuoka__distributed_GPU
YumaMatsuoka
Tensor flow勉強会3
Tensor flow勉強会3
tak9029
High performance python computing for data science
High performance python computing for data science
Takami Sato
組込み向けスクリプト言語mrubyをEV3で動かしてみよう
組込み向けスクリプト言語mrubyをEV3で動かしてみよう
Takuya Azumi
最適化超入門
最適化超入門
Takami Sato
Tensor flow勉強会 (ayashiminagaranotensorflow)
Tensor flow勉強会 (ayashiminagaranotensorflow)
tak9029
mrubyでETロボコンに出よう
mrubyでETロボコンに出よう
yamanekko
Chainer入門と最近の機能
Chainer入門と最近の機能
Yuya Unno
backbone としての timm 入門
backbone としての timm 入門
Takuji Tahara
みんなが知らない pytorch-pfn-extras
みんなが知らない pytorch-pfn-extras
Takuji Tahara
Chainerで学ぶdeep learning
Chainerで学ぶdeep learning
Retrieva inc.
Scikit learnで学ぶ機械学習入門
Scikit learnで学ぶ機械学習入門
Takami Sato
マルチコアを用いた画像処理
マルチコアを用いた画像処理
Norishige Fukushima
Python パッケージの影響を歴史から理解してみよう!
Python パッケージの影響を歴史から理解してみよう!
Kir Chou
Pythonによる画像処理について
Pythonによる画像処理について
Yasutomo Kawanishi
画像処理でのPythonの利用
画像処理でのPythonの利用
Yasutomo Kawanishi
Tensor flowを使った キュウリの仕分け あれこれ
Tensor flowを使った キュウリの仕分け あれこれ
Makoto Koike
明日使える超高速Ruby - RXbyak (Mitaka.rb #5)
明日使える超高速Ruby - RXbyak (Mitaka.rb #5)
Shuyo Nakatani
Rnn+lstmを理解する
Rnn+lstmを理解する
Arata Honda
Introduction to Chainer and CuPy
Introduction to Chainer and CuPy
Kenta Oono
RubyKaigi Lightning Talks TwYM episode1
RubyKaigi Lightning Talks TwYM episode1
Kuniaki Igarashi
chibi:bitとMicroPythonで始めるフィジカルコンピューティング
chibi:bitとMicroPythonで始めるフィジカルコンピューティング
Minoru Inachi
Scikit-learnを使って 画像分類を行う
Scikit-learnを使って 画像分類を行う
Arata Honda
Tcl/Tkクイック入門
Tcl/Tkクイック入門
nyaocat
深層学習フレームワークChainerの紹介とFPGAへの期待
深層学習フレームワークChainerの紹介とFPGAへの期待
Seiya Tokui
Chipyardによるベイズニューラルネットワーク向け学習アクセラレータ開発 @ RISC-V Day Tokyo 2020 Virtual Booths
Chipyardによるベイズニューラルネットワーク向け学習アクセラレータ開発 @ RISC-V Day Tokyo 2020 Virtual Booths
Keigo Nishida
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.
UnityでのLINQ活用例
UnityでのLINQ活用例
Ryota Murohoshi
Tf勉強会(5)
Tf勉強会(5)
tak9029
畳み込みLstm
畳み込みLstm
tak9029
Más contenido relacionado
La actualidad más candente
backbone としての timm 入門
backbone としての timm 入門
Takuji Tahara
みんなが知らない pytorch-pfn-extras
みんなが知らない pytorch-pfn-extras
Takuji Tahara
Chainerで学ぶdeep learning
Chainerで学ぶdeep learning
Retrieva inc.
Scikit learnで学ぶ機械学習入門
Scikit learnで学ぶ機械学習入門
Takami Sato
マルチコアを用いた画像処理
マルチコアを用いた画像処理
Norishige Fukushima
Python パッケージの影響を歴史から理解してみよう!
Python パッケージの影響を歴史から理解してみよう!
Kir Chou
Pythonによる画像処理について
Pythonによる画像処理について
Yasutomo Kawanishi
画像処理でのPythonの利用
画像処理でのPythonの利用
Yasutomo Kawanishi
Tensor flowを使った キュウリの仕分け あれこれ
Tensor flowを使った キュウリの仕分け あれこれ
Makoto Koike
明日使える超高速Ruby - RXbyak (Mitaka.rb #5)
明日使える超高速Ruby - RXbyak (Mitaka.rb #5)
Shuyo Nakatani
Rnn+lstmを理解する
Rnn+lstmを理解する
Arata Honda
Introduction to Chainer and CuPy
Introduction to Chainer and CuPy
Kenta Oono
RubyKaigi Lightning Talks TwYM episode1
RubyKaigi Lightning Talks TwYM episode1
Kuniaki Igarashi
chibi:bitとMicroPythonで始めるフィジカルコンピューティング
chibi:bitとMicroPythonで始めるフィジカルコンピューティング
Minoru Inachi
Scikit-learnを使って 画像分類を行う
Scikit-learnを使って 画像分類を行う
Arata Honda
Tcl/Tkクイック入門
Tcl/Tkクイック入門
nyaocat
深層学習フレームワークChainerの紹介とFPGAへの期待
深層学習フレームワークChainerの紹介とFPGAへの期待
Seiya Tokui
Chipyardによるベイズニューラルネットワーク向け学習アクセラレータ開発 @ RISC-V Day Tokyo 2020 Virtual Booths
Chipyardによるベイズニューラルネットワーク向け学習アクセラレータ開発 @ RISC-V Day Tokyo 2020 Virtual Booths
Keigo Nishida
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.
UnityでのLINQ活用例
UnityでのLINQ活用例
Ryota Murohoshi
La actualidad más candente
(20)
backbone としての timm 入門
backbone としての timm 入門
みんなが知らない pytorch-pfn-extras
みんなが知らない pytorch-pfn-extras
Chainerで学ぶdeep learning
Chainerで学ぶdeep learning
Scikit learnで学ぶ機械学習入門
Scikit learnで学ぶ機械学習入門
マルチコアを用いた画像処理
マルチコアを用いた画像処理
Python パッケージの影響を歴史から理解してみよう!
Python パッケージの影響を歴史から理解してみよう!
Pythonによる画像処理について
Pythonによる画像処理について
画像処理でのPythonの利用
画像処理でのPythonの利用
Tensor flowを使った キュウリの仕分け あれこれ
Tensor flowを使った キュウリの仕分け あれこれ
明日使える超高速Ruby - RXbyak (Mitaka.rb #5)
明日使える超高速Ruby - RXbyak (Mitaka.rb #5)
Rnn+lstmを理解する
Rnn+lstmを理解する
Introduction to Chainer and CuPy
Introduction to Chainer and CuPy
RubyKaigi Lightning Talks TwYM episode1
RubyKaigi Lightning Talks TwYM episode1
chibi:bitとMicroPythonで始めるフィジカルコンピューティング
chibi:bitとMicroPythonで始めるフィジカルコンピューティング
Scikit-learnを使って 画像分類を行う
Scikit-learnを使って 画像分類を行う
Tcl/Tkクイック入門
Tcl/Tkクイック入門
深層学習フレームワークChainerの紹介とFPGAへの期待
深層学習フレームワークChainerの紹介とFPGAへの期待
Chipyardによるベイズニューラルネットワーク向け学習アクセラレータ開発 @ RISC-V Day Tokyo 2020 Virtual Booths
Chipyardによるベイズニューラルネットワーク向け学習アクセラレータ開発 @ RISC-V Day Tokyo 2020 Virtual Booths
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
UnityでのLINQ活用例
UnityでのLINQ活用例
Similar a Tfug#4
Tf勉強会(5)
Tf勉強会(5)
tak9029
畳み込みLstm
畳み込みLstm
tak9029
CVPR2018 pix2pixHD論文紹介 (CV勉強会@関東)
CVPR2018 pix2pixHD論文紹介 (CV勉強会@関東)
Tenki Lee
20180830 implement dqn_platinum_data_meetup_vol1
20180830 implement dqn_platinum_data_meetup_vol1
Keisuke Nakata
サルでもわかるディープラーニング入門 (2017年) (In Japanese)
サルでもわかるディープラーニング入門 (2017年) (In Japanese)
Toshihiko Yamakami
[db tech showcase Tokyo 2016] C32: 世界一速いPostgreSQLを目指せ!インメモリカラムナの実現 by 富士通株式会...
[db tech showcase Tokyo 2016] C32: 世界一速いPostgreSQLを目指せ!インメモリカラムナの実現 by 富士通株式会...
Insight Technology, Inc.
TensorFlowの使い方(in Japanese)
TensorFlowの使い方(in Japanese)
Toshihiko Yamakami
Generative Adversarial Networks (GAN) @ NIPS2017
Generative Adversarial Networks (GAN) @ NIPS2017
Koichi Hamada
2014-10-17 「“A9共催! AWSプロダクトシリーズ よくわかる AWS CloudSearch” スクーでのCloudSearch利用実例」
2014-10-17 「“A9共催! AWSプロダクトシリーズ よくわかる AWS CloudSearch” スクーでのCloudSearch利用実例」
Hiromitsu Ito
営業現場で困らないためのディープラーニング
営業現場で困らないためのディープラーニング
Satoru Yamamoto
Soft neuro
Soft neuro
ssuser3a4b8c
Let's Try SVG Sprite
Let's Try SVG Sprite
Masahiro Kobayashi
Unity開発で週イチ呑み会を支える技術
Unity開発で週イチ呑み会を支える技術
kazuya noshiro
Yahoo!ニュースにおけるBFFパフォーマンスチューニング事例
Yahoo!ニュースにおけるBFFパフォーマンスチューニング事例
Yahoo!デベロッパーネットワーク
Publishing of sphinx2018
Publishing of sphinx2018
Go Yamada
Sparkによる GISデータを題材とした時系列データ処理 (Hadoop / Spark Conference Japan 2016 講演資料)
Sparkによる GISデータを題材とした時系列データ処理 (Hadoop / Spark Conference Japan 2016 講演資料)
Hadoop / Spark Conference Japan
Erlang and I and Sphinx.
Erlang and I and Sphinx.
Yoshiki Shibukawa
深層学習フレームワークChainerの特徴
深層学習フレームワークChainerの特徴
Yuya Unno
ChainerによるRNN翻訳モデルの実装+@
ChainerによるRNN翻訳モデルの実装+@
Yusuke Oda
強化学習を利用した自律型GameAIの取り組み ~高速自動プレイによるステージ設計支援~ #denatechcon
強化学習を利用した自律型GameAIの取り組み ~高速自動プレイによるステージ設計支援~ #denatechcon
DeNA
Similar a Tfug#4
(20)
Tf勉強会(5)
Tf勉強会(5)
畳み込みLstm
畳み込みLstm
CVPR2018 pix2pixHD論文紹介 (CV勉強会@関東)
CVPR2018 pix2pixHD論文紹介 (CV勉強会@関東)
20180830 implement dqn_platinum_data_meetup_vol1
20180830 implement dqn_platinum_data_meetup_vol1
サルでもわかるディープラーニング入門 (2017年) (In Japanese)
サルでもわかるディープラーニング入門 (2017年) (In Japanese)
[db tech showcase Tokyo 2016] C32: 世界一速いPostgreSQLを目指せ!インメモリカラムナの実現 by 富士通株式会...
[db tech showcase Tokyo 2016] C32: 世界一速いPostgreSQLを目指せ!インメモリカラムナの実現 by 富士通株式会...
TensorFlowの使い方(in Japanese)
TensorFlowの使い方(in Japanese)
Generative Adversarial Networks (GAN) @ NIPS2017
Generative Adversarial Networks (GAN) @ NIPS2017
2014-10-17 「“A9共催! AWSプロダクトシリーズ よくわかる AWS CloudSearch” スクーでのCloudSearch利用実例」
2014-10-17 「“A9共催! AWSプロダクトシリーズ よくわかる AWS CloudSearch” スクーでのCloudSearch利用実例」
営業現場で困らないためのディープラーニング
営業現場で困らないためのディープラーニング
Soft neuro
Soft neuro
Let's Try SVG Sprite
Let's Try SVG Sprite
Unity開発で週イチ呑み会を支える技術
Unity開発で週イチ呑み会を支える技術
Yahoo!ニュースにおけるBFFパフォーマンスチューニング事例
Yahoo!ニュースにおけるBFFパフォーマンスチューニング事例
Publishing of sphinx2018
Publishing of sphinx2018
Sparkによる GISデータを題材とした時系列データ処理 (Hadoop / Spark Conference Japan 2016 講演資料)
Sparkによる GISデータを題材とした時系列データ処理 (Hadoop / Spark Conference Japan 2016 講演資料)
Erlang and I and Sphinx.
Erlang and I and Sphinx.
深層学習フレームワークChainerの特徴
深層学習フレームワークChainerの特徴
ChainerによるRNN翻訳モデルの実装+@
ChainerによるRNN翻訳モデルの実装+@
強化学習を利用した自律型GameAIの取り組み ~高速自動プレイによるステージ設計支援~ #denatechcon
強化学習を利用した自律型GameAIの取り組み ~高速自動プレイによるステージ設計支援~ #denatechcon
Más de tak9029
tfug-kagoshima
tfug-kagoshima
tak9029
TensorFlowをもう少し詳しく入門
TensorFlowをもう少し詳しく入門
tak9029
Interop2017
Interop2017
tak9029
深層学習とTensorFlow入門
深層学習とTensorFlow入門
tak9029
Tf勉強会(4)
Tf勉強会(4)
tak9029
TensorFlowで会話AIを作ってみた。
TensorFlowで会話AIを作ってみた。
tak9029
Más de tak9029
(6)
tfug-kagoshima
tfug-kagoshima
TensorFlowをもう少し詳しく入門
TensorFlowをもう少し詳しく入門
Interop2017
Interop2017
深層学習とTensorFlow入門
深層学習とTensorFlow入門
Tf勉強会(4)
Tf勉強会(4)
TensorFlowで会話AIを作ってみた。
TensorFlowで会話AIを作ってみた。
Tfug#4
1.
1 シンギュラリティ株式会社 TensorFlowを用いた様々なRNNの実装(2) TFUG#4 2017/4/19 Singularity Copyright 2016
Singularity Inc. All rights reserved
2.
2 2017/4/19 Singularity Copyright
2016 Singularity Inc. All rights reserved 自己紹介 新村拓也 - シーエイトラボ株式会社 代表取締役 - シンギュラリティ株式会社 取締役CTO
3.
3 前回のお話について TensorFlow勉強会(TFUGではない)で第1回のお話をしました TensorFlowでRNNやると実は結構苦労する
チュートリアルがチュートリアルになってない(CIFER10然り) それならば俺がチュートリアルになってやる! 2017/4/19 Singularity Copyright 2016 Singularity Inc. All rights reserved https://www.slideshare.net/tak9029/tf5スライド
4.
4 RNNとは(一応) 2017/4/19 Singularity Copyright 2016
Singularity Inc. All rights reserved 入力1 入力2 入力3 中間1 中間2 中間3 出力1 出力2 出力3 中間層を時間方向に展開させることにより時系列 情報をニューラルネットワークで扱えるように。 入力-中間層の重み 中間-中間層の重み 共有重みを用いている
5.
5 前回のお話について インポートするべきパッケージ tf.nn.rnn_cell・・・各時間の中間層における挙動を定義
tf.nn.rnnなど・・・入力とrnn_cellを受け取って、その出力を管理する 基本的なRNN構築手順 入力データ整形 cellを定義してラッピングなどをして各時間での挙動を定義 cellと入力データを元に、RNN全体で順伝播 出力を加工して出力層を作成 誤差計算、学習 2017/4/19 Singularity Copyright 2016 Singularity Inc. All rights reserved 前回の話は上記3つについて幾つかのパターンで
6.
6 前回のお話について 2017/4/19 Singularity Copyright 2016
Singularity Inc. All rights reserved http://karpathy.github.io/2015/05/21/rnn-effectiveness/ 前回はこの二つを解説
7.
7 今回のお話について 2017/4/19 Singularity Copyright 2016
Singularity Inc. All rights reserved http://karpathy.github.io/2015/05/21/rnn-effectiveness/ 今回はこれ!というかSeq2Seqについて 翻訳エンジン、会話エンジン、自動作曲 などに使われているやつです!
8.
8 そのまえに、TF1.0になって、、、 2017/4/19 Singularity Copyright 2016
Singularity Inc. All rights reserved
9.
9 大きな変更(1) 2017/4/19 Singularity Copyright 2016
Singularity Inc. All rights reserved CNN君たちとはお別れで、tf.nnからtf.contribにお引越し contribにいるということは開発中なんで、まだどんどん変わるし一部は消える
10.
10 大きな変更(2) 2017/4/19 Singularity Copyright 2016
Singularity Inc. All rights reserved なんかいた、row_rnn このAPIまだテスト中だから変わるよ!
11.
11 大きな変更(3) 2017/4/19 Singularity Copyright 2016
Singularity Inc. All rights reserved 翻訳のチュートリアルで使われていた関数たちは、、、 tf.contrib.egacy_seq2seqと変更されたうえに、、、、
12.
12 大きな変更(4) 2017/4/19 Singularity Copyright 2016
Singularity Inc. All rights reserved 非推奨になってしまいました。 代わりのものがtf.contrib.seq2seqとして開発中です
13.
13 しかし!! 2017/4/19 Singularity Copyright 2016
Singularity Inc. All rights reserved dynamic_rnnは生きていた!!
14.
14 思うに(RNNCell系) 2017/4/19 Singularity Copyright 2016
Singularity Inc. All rights reserved いろいろ増えてる、特にこの下の方の中身 いろいろ調整中なだけで近々戻ってくると思う Kerasのlayerライクにしていく云々とリリースノートにも書いてあった
15.
15 思うに(RNN系) モデル構築時にTensorのリストをforループで回してグラフを量産するよう な奴は多分非推奨になっていく気がする。 2017/4/19 Singularity Copyright 2016
Singularity Inc. All rights reserved もともとのtf.nn.rnnもtf.nn.seq2seqも inputs: [batch_size, input_size] のTensorのリストで 確かにグラフが重くなるので多分なくなっていく?(扱いやすいんだけどね)
16.
16 思うに(RNN系) 2017/4/19 Singularity Copyright 2016
Singularity Inc. All rights reserved 入力を一つにして内部的にwhile_loop, TensorArrayとか使って回す方向にシフト 柔軟な設計はloop_fnを用いて行う
17.
17 やっと本題 めげずにこの環境でseq2seqを解説して行きます。 2017/4/19 Singularity Copyright 2016
Singularity Inc. All rights reserved 入力画像群の特徴を 圧縮した中間層 出力側では、前の層の 出力が入力になる ※訓練時では正解データを与えることもあります
18.
18 今回作ったもの 過去6時間分のセンサーデータから向こう6時間を予測する 2017/4/19 Singularity Copyright 2016
Singularity Inc. All rights reserved 過去6時間ぶんのセンサーデータ 未来6時間ぶんのセンサーデータ気温、湿度、日射量などなど・・・
19.
19 実は、、、、 2017年1月に農業AIハッカソンをしました 2017/4/19 Singularity Copyright 2016
Singularity Inc. All rights reserved 手法は問わなかったんですが、一応Seq2Seqを用いたコードをサンプルコードにしました。 https://github.com/TakuyaShinmura/agri_ai
20.
20 データの受け渡し 2017/4/19 Singularity Copyright 2016
Singularity Inc. All rights reserved Placeholderを使って受け渡しをする場合 For ループでplaceholderを量産して、後で参照できるようにadd_to_collection
21.
21 データの受け渡し 2017/4/19 Singularity Copyright 2016
Singularity Inc. All rights reserved feed_dictを作るときはget_collectionで引っ張ってくる あくまでplaceholderを用いる場合。 TFRecordにしてTFのreaderメソッドでバッチ作成する方がスマート
22.
22 モデル構築(encoder) 2017/4/19 Singularity Copyright 2016
Singularity Inc. All rights reserved cellを定義して 入力データと一緒に突っ込 むだけ
23.
23 モデル構築(decoder) 2017/4/19 Singularity Copyright 2016
Singularity Inc. All rights reserved cellの定義はencoderと同じだけど、以下の二つを自作で作っていきましょう。 Rnnのループ処理(1ステップ前の出力を次に使えるように) 出力層の挙動
24.
24 Decoder側のRNNループ 2017/4/19 Singularity Copyright 2016
Singularity Inc. All rights reserved 時間長分ループして出力結果をリストにアペンドしていく 重み再利用のために reuse_variables() 前の出力で入力をアップデート
25.
25 Decoder側出力層 2017/4/19 Singularity Copyright 2016
Singularity Inc. All rights reserved いつもやってる重みとバイアスつかって掛け算 ※reuse_variables()をする関係上、variable_scope。そのため、変数宣言も tf.Variable()ではなくてtf.get_variable()
26.
26 モデル構築(誤差) 2017/4/19 Singularity Copyright 2016
Singularity Inc. All rights reserved RNNループのようにfor文で回して誤差Tensorの配列を作る 最後にadd_nで足し合わせ 実際の精度評価のところもほぼ同じ。
27.
27 回してみました 2017/4/19 Singularity Copyright 2016
Singularity Inc. All rights reserved まあまあ、学習できているん じゃなかろうか
28.
28 とりま長く回してみたら 2017/4/19 Singularity Copyright 2016
Singularity Inc. All rights reserved さすがにパラメータとかも適 当すぎたか、、、、、
29.
29 まとめ TF1.0になったがRNNは色々と変更が多そう 非推奨かもしれないけど、リストにしてぶん回す方が直感的でわかりや すい
Seq2Seqでセンサーデータの予測やりました 実データやるんだから設計、パラメータチューニングはしっかりしよう もし次やるとしたらattentionとかやろうと思う 2017/4/19 Singularity Copyright 2016 Singularity Inc. All rights reserved
30.
30 2017/4/19 Singularity Copyright
2016 Singularity Inc. All rights reserved ご静聴ありがとうございました!
31.
31 お問い合わせ ご興味のある企業・団体・個人様は、以下までお問い合わせください。 シンギュラリティ株式会社 http://snglrty.net 東京都港区浜松町 2-7-15 三電舎ビル6F Tel
03-5425-2545 取締役/CTO 新村拓也 E-mail:info@snglrty.net 2017/4/19 Singularity Copyright 2016 Singularity Inc. All rights reserved
Descargar ahora