タグ

chainerに関するincepのブックマーク (6)

  • Word2Vec: Obtain word embeddings — Chainer 7.8.1 documentation

    incep
    incep 2020/09/27
  • WindowによりTensorflowとChainerの環境構築with CUDA(GPUあり) - Qiita

    Deleted articles cannot be recovered. Draft of this article would be also deleted. Are you sure you want to delete this article?

    WindowによりTensorflowとChainerの環境構築with CUDA(GPUあり) - Qiita
    incep
    incep 2018/04/20
    “注意:CUDA 8.0はVisual Studio2017にサポートされてない”ため2017環境でインスコできない恐れ.
  • ChainerをKerasのように書く

    概要 Chainerのネットワーク構造をKerasのように書きたい 構造を保存したい はじめに KerasというDeep Learningフレームワークがあります。 Kerasではレイヤーを以下のように作ることができます。 from keras.layers import Dense, Activation model.add(Dense(output_dim=64, input_dim=100)) model.add(Activation("relu")) model.add(Dense(output_dim=10)) model.add(Activation("softmax")) 上から順にデータが流れていくので非常にわかりやすいですね。 Chainerでも同等のことはできなくもないのですが、ネットワーク構造をハードコーディングする必要があります。 それの何が問題かというと、様々なハ

    incep
    incep 2017/06/18
  • ChainerのDefine by Runとは? - HELLO CYBERNETICS

    Define by Run Define by Run Define and Run 具体例を見る 上記のコードのネットワークにおける動作 Define by Run 今回は、Chainerの特徴の1つであるDefine by Runについて、どんなものであるかを理解できるようにします。 Define by Run Define by Runでは、計算グラフ(ニューラルネットの構造)の構築をデータを流しながら行います。 Define and Run Define and Runでは、計算グラフを構築してから、そこにデータを流していきます。 これだけで違いが理解できるでしょうか? おそらく難しいかと思います。 上記の2つの違いを認識するのが目標です。 具体例を見る やはり、具体例を見たほうがつかみやすいかと思います。 Chainerの以下のコードを見てください。 どのようなネットワーク構造が

    ChainerのDefine by Runとは? - HELLO CYBERNETICS
    incep
    incep 2017/06/18
    Chainerとそれ以外の設計の差を知る
  • 分散深層強化学習でロボット制御 - Preferred Networks Research & Development

    新入社員の松元です。はじめまして。 “分散深層強化学習”の技術デモを作成し、公開いたしました。ロボットカーが0から動作を学習していきます! まずはこの動画を御覧ください。 以下で、動画の見どころと、使っている技術を紹介します。 動画の見どころ Car 0(○の付いている車)が右折カーブの手前で減速する様子(右画面の白いバーのところが、ブレーキのところで赤くなっている。ニューラルネットはブレーキが最も多く報酬が得られると推測していることがわかる)。速い速度ほど報酬は大きいが、カーブを曲がりきれず壁にぶつかってしまうので学習が進むとカーブ手前でのみ減速するようになる。 目の前に車がいるときは一時停止して、いなくなってから加速する。 エチオピアには当にこのような交差点があるらしい。 ぎりぎりですれ違う2台。学習途中ではすれ違いきれずにぶつかって倒れてしまうこともある(早送りシーン中に人が写って

    分散深層強化学習でロボット制御 - Preferred Networks Research & Development
  • ご注文は機械学習ですか?

    概要 Semi-Supervised Learning with Deep Generative Models を読んだ Chainer 1.8で実装した モデルM1、M2、M1+M2の実装方法の解説 モデルM2で100ラベルのエラー率9%を達成した モデルM1+M2で100ラベルのエラー率4%を達成した

    incep
    incep 2017/05/22
  • 1