12/9(月) 応用科学学会シンポジウムで自動運転に関する講演を担当します☆彡（試乗会もあります！来て！）
画像生成 / スタイル変換

4-2. CNNでケーキ画像の次元圧縮（Stacked Auto-Encoder編）

やること エンコーダ部分とデコーダ部分をまとめて学習させると、どうも学習が安定しない気がします。今日は、学習を工夫した「Stacked Auto-Encoder」でケーキ画像の次元圧縮を試して...
2019/03/06 Yasuda
画像生成 / スタイル変換
画像生成 / スタイル変換

4-1. CNNでケーキ画像の次元圧縮（Auto-Encoder編）

やること 画像というものは非常に高次元の情報を持っています。例えば128*128pxの画像は、128*128*3ch＝49152次元の情報を含んでいます。人間は高次元の情報を処理できない動物な...
2019/03/06 Yasuda
画像生成 / スタイル変換
強化学習 / DQN

3-3. DQNで難しい迷路を解く

やること 前回はDQNで地雷原を進むゲームを解きました。今回は、もっと賢く行動するためにニューラルネットを工夫してみます。 使うもの ニューラルネットを工夫す...
2019/03/06 Yasuda
強化学習 / DQN
強化学習 / DQN

3-2. DQNで迷路を解く

やること DQNのプログラムは非常に高度ですが、勉強会で配布されたコードは比較的シンプルで読み解きやすいです。今日は、DQNで地雷原を進むゲームを解いてみましょう。 環境とコード ...
2019/03/06 Yasuda
強化学習 / DQN
強化学習 / DQN

3-1. 強化学習とQ学習とDQN

やること 機械学習は、教師あり学習、教師なし学習、強化学習の３つに分けて語られることが多いです。強化学習は、「長期的な価値が高くなるような判断基準を見つける」感じの学習です。今日は、強化学習の...
2019/03/06 Yasuda
強化学習 / DQN
画像生成 / スタイル変換

2-2. DCGANのアルゴリズム

やること Deep Convolutional Generative Adversarial Networks (DCGAN)は、直訳すると「深層畳み込み敵対的生成ニューラルネット」です。今日...
2019/03/05 Yasuda
画像生成 / スタイル変換
画像生成 / スタイル変換

2-1. 深層学習のためのでプログラム実行環境を整える（GPU環境版）

やること 記事1-1では、WinPythonというプログラム実行環境を導入しましたが、本格的な深層学習をするには、やはりGPUによる高速化が必要です。CPUに比べるとだいたい30～100倍くら...
2019/03/05 Yasuda
画像生成 / スタイル変換
回帰 / クラス分類

1-6. ケーキ画像のクラス分類

やること 準備が長かったですが、いよいよケーキ画像のクラス分類を行います。 環境とコード ニューラルネットモデル ここでは基本に則って、「畳み込み＋プーリング」...
2019/03/05 Yasuda
回帰 / クラス分類
回帰 / クラス分類

1-5. 画像の水増しをする

やること 深層学習では、教師データが少ないと過学習を起こしてしまい、未知の入力に対応できなくなってしまいます。 １つのドリルを１万回やるよりも、1000種のドリルを10回やったほうが入試に強い...
2019/03/05 Yasuda
回帰 / クラス分類
回帰 / クラス分類

1-4. 画像のサイズ（解像度）を揃える

やること 「画像のクラス分類」をする際、Kerasには「フォルダから画像を読み込みながらリサイズしながら水増ししながら正解ラベルを作りながら学習する」という必殺技があるのですが、実は「リサイズ...
2019/03/05 Yasuda
回帰 / クラス分類
次のページ
タイトルとURLをコピーしました