const testData = [ { image: '../data/aaa.jpg', label: 'aaa' }, { image: '../data/bbb.jpg', label: 'bbb' }, { image: '../data/ccc.jpg', label: 'ccc' } ] 認識の結果 まず、これは、winterとか、woman, gloves, snowとかを期待していましたが fur coatなどが出て、なるほどと納得しました。 しかし、military uniformというのは、軍隊制服は、その色のせいなのかな 次に、わざと、古いタイプライターの写真を見つけて、認識してもらったのですが ちゃんとtypewriter 42パーセントの自信で認識しています。 space barが49パーセントが面白かったです。 次、女の子の後ろ姿、ここではsea, girl,
ご支援者の皆様 お待たせしました！！ ご支援頂いた商品を本日発送しました！ IoTホームキット・AIロボットキットともに発送しております... obnizを使った「AI」と「IoT」を初心者でも始められるキットが登場！ obniz(オブナイズ)はブラウザ上でプログラムができるIoT開発ボードで、最新のテクノロジーとハードウェアを連携させた作品を思いのままに作ることが出来ます。 「ディープラーニング」や「機械学習」など、聞くだけで使ったことのないテクノロジーもこのキットであれば簡単に使えます。さらに、ロボットをそれらテクノロジーで動かすことが出来、さらに自分で自由にプログラムできます。 このキットにお持ちのスマートフォンをセットし、プログラムをスマートフォンで動かすことができます。TensorflowやOpenCVを使い物体を識別したり、線に沿って走ったりなどが可能となります。 道路標識以外
ようやっと本家がTensorFlowをRaspberry Piに正式対応したとのことで、嬉しさのあまり喜びの舞を舞う、そんな台風曜日。 昨日は創立記念日だし台風来てるしとりあえず会社を休みにしました。でも暇なので朝からRaspberry Piを買いに行って自宅でTensorFlowをインストールしようと思ったら、いろいろ足りないし雨降ってるので車でヨドバシまででかけて、この際マウスもキーボードも新調するかということでゲーミングキーボードとゲーミングマウスをゲット。なんかガレリアのデフォルトのキーボードはオマケとしてはかなり出来がいいのですが、マウスがなんか速すぎて操作できない。まあ要は設定が自分に合ってなかったということなんだけど、もしかして今のヤングはこの速度がデフォなのか。速すぎないか? ということでマウスも分解能高めのやつを買い、ついでに無接点充電できるマウスパッドも買ってみた。 さ
はじめに Googleが機械学習の教育や研究用に提供しているツールである、Google Colaboratoryを試してみました。 Jupyter Notebook環境が無償で！使うことができるようです。 詳しくは以下を参照。 Google Colaboratoryよくある質問 Google Colaboratoryの起動 Google Colaboratoryにブラウザでアクセスするだけです。 ブラウザはGoogle Chromeを使用するとのこと。 アクセスすると、「最近のノートブック」と表示され、最近使ったファイルを参照することができます。 新規作成 ノートブックを新規作成 > PYTHON 2の新しいノートブック または, PYTHON 3の新しいノートブック を選択します。 リソースの確認 "!"をつけることで、Linuxのコマンドを実行することができます。 コードセルを追加し
Google、スマートフォン含むWebブラウザでリアルタイムに人間の姿勢推定を可能にする機械学習モデルPoseNet：TensorFlow.jsバーション発表 2018-05-08 Googleは、Webブラウザでリアルタイムに人間の姿勢推定を可能にする機械学習モデル「PoseNet」TensorFlow.jsバーションを発表しました。 GitHub：tfjs-models/posenet at master · tensorflow/tfjs-models PoseNetは、映像中の人物から1つのポーズまたは複数のポーズを検出できる技術です。ToseorFlow.jsは、Webブラウザで実行できるオープンソースの機械学習ライブラリで、Googleがオープンソースとして公開している機械学習ライブラリ「TensorFlow」のJavaScript版です。 今回、その2つを組み合わせたTose
* この投稿は米国時間 10 月 12 日に投稿されたもの（投稿はこちら）の抄訳です。 Postesd by Google Cloud デベロッパー アドボケイト 佐藤一憲 今年はまとまった夏休みが取れたので、息子といっしょに作れる自由研究のアイディアを探していました。結果、できあがったのが、TensorFlow で作った「じゃんけんマシン」です。 この動画の通り、手袋に付けたセンサーを使ってグー、チョキ、パーのいずれかを判定し、それに負けない手を出すマシンです。単純なおもちゃではありますが、隠し味としてTensorFlowを使いました。TensorFlowでとても簡単な機械学習（ML）のモデルを作成し、手袋につないだ Arduino マイクロコントローラでそれを利用して手の形を読み取る仕組みです。ML を便利なツールとして使うことで、面倒くさがりなプログラマーの私でも柔軟かつ正確でしっか
前回の 機械学習でロボット制御してみた - 広く浅い高校生のブログ は2クラス識別で色を判定していましたが今回は多クラス識別で色判定を行おうと思います。そこで今回はtensorflow を使おうと思います！ 本当便利でした。pythonのバージョンは3.5です。 方法 方法は前回とほとんど変わりません。 マインドストームでそれぞれの色、200個ずつデータを取ります。 ↓ そのデータをmacに送る ↓ Pythonで学習プログラムを動かす ↓ 学習結果をEV3のプログラムに反映させる プログラム 分類系の問題では、評価関数で交差エントロピーを使うのが普通らしいのですが、正答率があまり上がらなかったので二乗誤差を使うと正答率が97%まで上がりました。 今回使ったファイルをgithubに上げました。是非試してみてください。 GitHub - MisakiMa/exampleMachineLear
TensorFlowの画像認識をモバイルで動かす&その仕組み TensorFlowがモバイルで動くという話がちょっと前から気になっていて、Androidで動かしてみました。サンプルの動かし方と、どのような仕組みになっているかまとめました。 動かし方 主にTensorFlowのReadmeに書いてある内容です。Androidを知っている人なら特に問題無いと思いますが以下日本語で書いてます。 事前準備 Android SDK以外にも以下のツールが必要になります。 1.Bazelの導入 TensorFlowのBuildにGoogleの新しいBuild toolであるBazelが必須になります。 MacであればHomebrewでかんたんに導入できます。 Bazelの挙動についてやファイル構成についてはチュートリアルがあるので、そこも目を通しておくとよいです。 初めて触ったのですが、ワークスペースを
［速報］Google、クラウドで高速にディープラーニングを行う「Cloud Machine Learning」発表、TensorFlowベース。GCP Next 2016 Googleは同社のクラウドに関するイベント「GCP Next 2016」を3月23日、24日の2日間にわたり米サンフランシスコで開催しています。 初日の基調講演で、最後の話題は機械学習（Machine Learning）でした。Googleはクラウドサービスの1つとして機械学習機能にも注力することを表明しています。Google Senior FellowのJeff Dean氏は、機械学習はコンピュータの歴史のなかで最も重要な出来事の1つだと説明。 Googleは2012年以来機械学習をさまざまなサービスに利用し、いま社内ではより使いやすくなった第二世代を機械学習を利用しているとのこと。 トレーニング済みの機械学習サービ
さて前々回、前回とDistributed Tensorflowの仕組みを学んできましたが、いよいよGoogle Cloud Platform(GCP)上で動かしてみます。無料枠の$300を突っ込んでvCPUインスタンスをたくさん作れば貧乏人にも高火力の鱗片が見れるのでは？という期待がモチベーションでした。 最初にネタばらししてしまうと、GCPの無料アカウントでは1regionにつきvCPU8個までに制限されていることがわかりましたので、それほどの高火力にはなりませんでした。今回はインターフェイスとマスタサーバに１個ずつvCPUを当てたので、vCPU6個での並列化となります。それでも、もちろんちゃんと速くなりました。 Dockerイメージの作成 GCPのContainer Engine で動かしたいので、まずDockerイメージを作ります。 先日ビルドしたTensorflowサーバのみを入れ
平田です。TensorFlowという機械学習ライブラリが流行っているようなので、とりあえず触ってみました。 ということで、まずはHello worldと、その解説を行っていきたいと思います。 セットアップ & Hello world まずは、Tensorflowをローカル上にインストールしていきます。今回はOSX上に環境を作っていきます。 はじめにvirtualenvを利用して、tensorflow用の環境を作成します。 tensorflowは今のところpython 2.7上でのみ動くようなので、これに揃えて環境を作成していきます。 $ # python バージョン確認 $ python —version Python 2.7.10 $ # virtualenvのインストール $ easy_install pip $ pip install virtualenv $ # virtualen
機械学習ライブラリ「TensorFlow」と、オープンソースのシステムトレードフレームワーク「Jiji」を組み合わせて、機械学習を使った為替(FX)のトレードシステムを作るチュートリアルです。 システムのセットアップからはじめて、機械学習モデルの作成、トレーニング、それを使って実際にトレードを行うところまで、具体例を交えて解説します。 システム構成 次のようなシステムを作ります。 Jijiのバックテスト機能を使ってトレードデータを収集。これをTensorFlowに入力してモデルをトレーニングします。 予測する内容については後述。 訓練したモデルを使って予測結果を返すREST APIを作り、トレード時にJijiから呼び出して使います。 レート情報の取得やトレードには、OANDA REST API を利用 トレード状況の確認やアルゴリズムの管理は、ブラウザ or スマホアプリで 外出先でも状況
家のキュウリが枯れてしまってから知りました。 ある程度パラメータがはっきりすれば 大規模なFPGAで処理できるかもしれません。 12月3日の大垣ミニメーカーズフェアでデジタルフィルタの人と会えたら話してみます。 返信削除
最近 Qoncept では TensorFlow を使った案件が続いており、その中で TensorFlow を iOS 上で使いたいことがありました。 ぱっと浮かんだ選択肢は次の二つでした。 TensorFlow を iOS 用にビルドして C++ の API を Swift から叩く 学習は TensorFlow / Python で行って、テンソルの計算だけを iOS / Swift でシミュレーションする しかし、前者ついては、まだ TensorFlow を iOS 用にビルドできなさそうでしたしできるようになりました（コメント参照）、たとえできたとしても C++ の API を Swift から叩くのは辛そうです。 TensorFlow がありがたいのは学習時の自動微分等の機能であって、学習済みのモデルを利用するときはただテンソルの計算をしてるだけです。別に学習を iOS 上でやり
piqcy @icoxfog417 言語モデルのタスクで、CNNでLSTM同等以上の精度を出したという話。畳み込んだ結果をGRUに近い機構で処理し、過去の情報が消失しないようにしている。Google Billion Wordのデータセットでは、LSTMと同等の精度を出す一方計算効率が20倍程度改善された。 twitter.com/Smerity/status… 2017-01-01 13:23:09 Smerity @Smerity Gated Convolutional Networks beat LSTM on LM (WikiText-103 & One Billion LM for single GPU), faster than CuDNN LSTM arxiv.org/abs/1612.08083 pic.twitter.com/UBplrTjEAv 2016-12-26 15
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
