.app 1 .dev 1 #11WeeksOfAndroid 13 #11WeeksOfAndroid Android TV 1 #Android11 3 #DevFest16 1 #DevFest17 1 #DevFest18 1 #DevFest19 1 #DevFest20 1 #DevFest21 1 #DevFest22 1 #DevFest23 1 #hack4jp 3 11 weeks of Android 2 A MESSAGE FROM OUR CEO 1 A/B Testing 1 A4A 4 Accelerator 7 Accessibility 1 accuracy 1 Actions on Google 16 Activation Atlas 1 address validation API 1 Addy Osmani 1 ADK 2 AdMob 32 Ads
Jupyterとは？ まず、Jupyterの紹介をすると、これは、Python（IPython）による対話的なデータ分析処理をWebブラウザ上の「ノートブック」で実施するツールです。下記のように、Markdownで記述した文章とコード、そして、その実行結果が記録されていきます。 作成したノートブックは、JSON形式でエクスポートしてGitHubで共有することができます。GitHubのWebサイトでは、自動的にノートブック形式にレンダリングして表示されるようになっています。現在は、Tex形式の数式がうまく表示されない問題があるようですが、下記のような感じになります。 ・ロジスティック回帰による二項分類器の作成 また、受け取ったノートブックは、自由にコードを修正して再実行することができますので、データ分析のコードとその説明をノートブックにまとめておけば、「実行できる教科書」が実現することになり
TensorFlowについて読み進めていくと、機械学習の理論的なところが全く理解できていないことに絶望するとともに、インタフェースであるPythonについても理解が全く足りていないことが分かる。 はっきり言って、Pythonはこれまでインタプリタの肩代りとして使ったことはあるけど、Pythonそのものについては殆ど無知なんだよな。。。 そこらへんを少しずつ埋めていくと、TensorFlowで何をやっているのかが分かってくる。 特にTensorFlowのインタフェースの基礎については、下記のQittaが非常に分かりやすかった。 qiita.com つまり、TensorFlowでは式、というか関数を定義していき、それをApplyしていくことにより計算を進めていく。 関数を定義するような形で「式」を定義していき、その式の引数を与える形で計算をするという訳だ。 まずはプレースホルダを作成する。これ
チュートリアルのMNISTの学習データを使って、手書き数字画像のデータを受け取り、数字を返すAPIを作る。 コードはここにある。 学習して結果を保存する 前回の学習結果のcheckpointファイルを出力する。 tf.train.Saver().saveでnameで対応するVariableの値が保存できる。 また、その際デフォルトでMetaGraphもexportされ、これをimportすればGraphも復元することができる。 import tensorflow as tf from tensorflow.examples.tutorials.mnist import input_data class Mnist: def __init__(self): g = tf.Graph() with g.as_default(): W_conv1 = self._weight_variable(
.app 1 .dev 1 #11WeeksOfAndroid 13 #11WeeksOfAndroid Android TV 1 #Android11 3 #DevFest16 1 #DevFest17 1 #DevFest18 1 #DevFest19 1 #DevFest20 1 #DevFest21 1 #DevFest22 1 #DevFest23 1 #hack4jp 3 11 weeks of Android 2 A MESSAGE FROM OUR CEO 1 A/B Testing 1 A4A 4 Accelerator 7 Accessibility 1 accuracy 1 Actions on Google 16 Activation Atlas 1 address validation API 1 Addy Osmani 1 ADK 2 AdMob 32 Ads
これ書くだけで土日２日間まるまる潰れてしまった。 学んだ内容に沿っているので、順に読み進めるに従ってコードの話になっていきます。 Tensorflow触ってみたい/みたけど、いろいろまだ理解できてない！という方向けに書きました。 ※2018年10月4日追記 大分古い記事なのでリンク切れや公式ドキュメントが大分変更されている可能性が高いです。 この記事のTensorflowは ver0.4~0.7くらいだった気がするので ver2.0~となりそうな現在は文章の大半が何を参考にしているのか分からないかもしれません。 1: Deep Learningってそもそも何してるの? 専門の人からはご指摘入りそうですが、要は回帰分析してくれるブラックボックスと言い切ってはどうでしょう。 "回帰"という単語が出てくるだけで ?が出てきちゃいますよね。 求めたい"値"があってそれに限りなく近い数値を機械に計算
昨日に引き続き，機械学習のお話． TensorFlowのチュートリアルで紹介されていた画像をクラス分けするConvolutional Neural Networksの例題（CIFAR-10）のデータセットだけを差し替えて実験してみた． 今回の実験の目的は 写真を収集するためのツールの開発 TensorFlowで書いたプログラムに自前で用意した写真を与える練習 少しのデータでどれくらいの分類精度が出せるのか試す といった感じ． 分類対象は，電通生なら誰でも知っている有名な中華料理店食神の590円定食メニュー．1番〜8番まであるけれど，今回は訓練データ数の都合上半分の1, 3, 4, 5番をターゲットとした*1． まず，写真を集めるツールについて． ウェブブラウザで画像の収集と欲しい部分を切り抜くためのツールが欲しかったので作ってみた． しかし少し解決できない問題があって，ブラウザで触るアプリ
TensorFlow が公開されたので, これを使いながらニューラルネットを勉強することにしました. 気分次第で勉強の記録を残します. インストールしてみる pip があれば, CPU 版は readme の指示通りにコマンドを打つだけです. どうせ我が家に GPU はありません. https://github.com/tensorflow/tensorflow Ubuntu と Mac で正常に動くの確認できました. Windows の人はやり方わからないので頑張ってください. インストールが済んだら import tensorflow as tf と打って怒られないことを確認しましょう. 動かしてみる まずは以下のチュートリアルから始めてみました. http://tensorflow.org/tutorials/mnist/beginners/index.md まあなんか出力を 10
TensorFlow研究会が開催されました!! 先日、渋谷ヒカリエの株式会社ディー・エヌ・エー様にて、株式会社ビズリーチ様主催のTensorFlow研究会が開催されました。 私も予習の上でブログまとめ枠として参加いたしまして、本記事はそのまとめになります。 思いついたアルゴリズムをTensorFlowで実装してみた話 (株式会社トップゲート 藤原氏) [slideshare id=56050548&doc=tf-study-151211114019] TensorFlowで面白そうだと思って試してみた ステップサイズの設定が面倒 確率的勾配降下法 ステップサイズが大きいと全てがNanになる 近接点法だと w が行方不明にならなそう PassiveAggressiveに正則化項がついた感じ ステップサイズを大きくすると勾配降下法だとウェイトが飛んで行く 近接点法だと割りと収束する まとめ ニ
google先生が人工知能（機械学習）のスタンダードツール「TensorFlow」をオープンソースで公開しましたね。 →Google、人工知能ライブラリ TensorFlow をオープンソース化。音声検索や写真認識、翻訳の基盤技術ディープラーニングを商利用可で解放 - Engadget Japanese これによって研究開発・製品化が一段と進みやすくなりました。 え？なんで進みやすいの？ って思ったんでニュースとかいろいろ読んでまとめてみました。 ▼ 「TensorFlow」についてまとめたったｗ オープンソース化って何？ プログラムの設計図であるソースコードを無償で公開することで、誰でも改良・再配布が出来ます。 「TensorFlow」はApache 2.0というオープンソースの規格でApacheライセンスが使われている文言を入れれば商用利用でき、研究者や学生、家電・自動車メーカーまで自
こんにちは、PyData.Tokyoオーガナイザーのシバタアキラです。先日公開され大きな反響を呼んだGoogle社の深層学習（ディープラーニング）フレームワーク、TensorFlow（テンソルフロー）。今回はPyData.Tokyoのハッカソンイベントで、参加者の皆さんとTensorFlowについて学び、コーディングし、ディスカッションした内容から得た所感を共有したいと思います。深層学習のネットワーク設計という非常に高度な課題は、一般のエンジニアやデータサイエンティストにはとっつきにくいものですが、既存のさまざまな手法やツールがTensorFlowに移植されつつあり、今後ここが深層学習開発の拠点になる予感がしました。 シバタアキラ PyData.Tokyoのハッカソンイベント 前置き～今回のハッカソンを行うに至った経緯 PyData.Tokyoは昨年秋に開始し、第1回のテーマとして深層学習
GoogleのTensorFlow関連の記事へのリンク
整理しました（最終更新11月22日） その後の動向は→『気になった記事』にて TensorFlow - Google Home — TensorFlow tensorflow - Git at Google tensorflow/tensorflow · GitHub TensorFlow:Large-Scale Machine Learning on Heterogeneous Distributed System [PDF] Research Blog: TensorFlow - Google’s latest machine learning system, open sourced for everyone（2015/11/09） TensorFlow: Google 最新の機械学習ライブラリをオープンソース公開 - Google Developer Japan Blog（2015
今日は様々な箇所で賑わっているTensorFlowを使ってみました。 皆さんこんにちは。 お元気でしょうか。朝弱いと結構困りますよね。 TensorFlowが盛り上がってたのでつい書いてみました。 TensorFlowとは http://tensorflow.org/ http://download.tensorflow.org/paper/whitepaper2015.pdf （詳細にライブラリのことを知りたい人はこちらのpdfへどうぞ） TensorFlowはGoogleが開発したデータフローグラフを使用した数値計算ライブラリです。 グラフの各ノードは数値計算のオペレータを示し、エッジはデータの配列を示す。 desktopやserverなどでのCPU,GPU演算をシンプルなAPIで実現することが可能です。 開発者は、GoogleのBrain Teamの研究者、エンジニアです。目的は、機
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
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
