Suche senden
Hochladen
Playgroundでディープラーニングを勉強しよう
•
7 gefällt mir
•
12,063 views
Hiroyuki Yoshida
Folgen
2017年1月26日 AITCオープンラボの資料です。
Weniger lesen
Mehr lesen
Ingenieurwesen
Melden
Teilen
Melden
Teilen
1 von 13
Jetzt herunterladen
Downloaden Sie, um offline zu lesen
Empfohlen
TensorFlow計算グラフ最適化処理
TensorFlow計算グラフ最適化処理
Atsushi Nukariya
モデル高速化百選
モデル高速化百選
Yusuke Uchida
Physics-ML のためのフレームワーク NVIDIA Modulus 最新事情
Physics-ML のためのフレームワーク NVIDIA Modulus 最新事情
NVIDIA Japan
RustによるGPUプログラミング環境
RustによるGPUプログラミング環境
KiyotomoHiroyasu
Active Learning 入門
Active Learning 入門
Shuyo Nakatani
【DL輪読会】Perceiver io a general architecture for structured inputs & outputs
【DL輪読会】Perceiver io a general architecture for structured inputs & outputs
Deep Learning JP
DLLAB Engineer Days : ONNX Export & Optimize
DLLAB Engineer Days : ONNX Export & Optimize
Kazuki Kyakuno
組合せ最適化入門:線形計画から整数計画まで
組合せ最適化入門:線形計画から整数計画まで
Shunji Umetani
Empfohlen
TensorFlow計算グラフ最適化処理
TensorFlow計算グラフ最適化処理
Atsushi Nukariya
モデル高速化百選
モデル高速化百選
Yusuke Uchida
Physics-ML のためのフレームワーク NVIDIA Modulus 最新事情
Physics-ML のためのフレームワーク NVIDIA Modulus 最新事情
NVIDIA Japan
RustによるGPUプログラミング環境
RustによるGPUプログラミング環境
KiyotomoHiroyasu
Active Learning 入門
Active Learning 入門
Shuyo Nakatani
【DL輪読会】Perceiver io a general architecture for structured inputs & outputs
【DL輪読会】Perceiver io a general architecture for structured inputs & outputs
Deep Learning JP
DLLAB Engineer Days : ONNX Export & Optimize
DLLAB Engineer Days : ONNX Export & Optimize
Kazuki Kyakuno
組合せ最適化入門:線形計画から整数計画まで
組合せ最適化入門:線形計画から整数計画まで
Shunji Umetani
物体検出エラーの分析ツール TIDE
物体検出エラーの分析ツール TIDE
GuoqingLiu9
[DL輪読会]Diffusion-based Voice Conversion with Fast Maximum Likelihood Samplin...
[DL輪読会]Diffusion-based Voice Conversion with Fast Maximum Likelihood Samplin...
Deep Learning JP
backbone としての timm 入門
backbone としての timm 入門
Takuji Tahara
Curriculum Learning (関東CV勉強会)
Curriculum Learning (関東CV勉強会)
Yoshitaka Ushiku
マルチレイヤコンパイラ基盤による、エッジ向けディープラーニングの実装と最適化について
マルチレイヤコンパイラ基盤による、エッジ向けディープラーニングの実装と最適化について
Fixstars Corporation
【メタサーベイ】Vision and Language のトップ研究室/研究者
【メタサーベイ】Vision and Language のトップ研究室/研究者
cvpaper. challenge
最近のDeep Learning (NLP) 界隈におけるAttention事情
最近のDeep Learning (NLP) 界隈におけるAttention事情
Yuta Kikuchi
Attentionの基礎からTransformerの入門まで
Attentionの基礎からTransformerの入門まで
AGIRobots
3D CNNによる人物行動認識の動向
3D CNNによる人物行動認識の動向
Kensho Hara
LSTM (Long short-term memory) 概要
LSTM (Long short-term memory) 概要
Kenji Urai
Deep Learningのための専用プロセッサ「MN-Core」の開発と活用(2022/10/19東大大学院「 融合情報学特別講義Ⅲ」)
Deep Learningのための専用プロセッサ「MN-Core」の開発と活用(2022/10/19東大大学院「 融合情報学特別講義Ⅲ」)
Preferred Networks
画像キャプションの自動生成
画像キャプションの自動生成
Yoshitaka Ushiku
Recent Advances on Transfer Learning and Related Topics Ver.2
Recent Advances on Transfer Learning and Related Topics Ver.2
Kota Matsui
[DL輪読会]医用画像解析におけるセグメンテーション
[DL輪読会]医用画像解析におけるセグメンテーション
Deep Learning JP
Generative Adversarial Networks (GAN) の学習方法進展・画像生成・教師なし画像変換
Generative Adversarial Networks (GAN) の学習方法進展・画像生成・教師なし画像変換
Koichi Hamada
バイナリニューラルネットとハードウェアの関係
バイナリニューラルネットとハードウェアの関係
Kento Tajiri
NLPにおけるAttention~Seq2Seq から BERTまで~
NLPにおけるAttention~Seq2Seq から BERTまで~
Takuya Ono
5分で分かる自己組織化マップ
5分で分かる自己組織化マップ
Daisuke Takai
画像キャプションと動作認識の最前線 〜データセットに注目して〜(第17回ステアラボ人工知能セミナー)
画像キャプションと動作認識の最前線 〜データセットに注目して〜(第17回ステアラボ人工知能セミナー)
STAIR Lab, Chiba Institute of Technology
Active Learning の基礎と最近の研究
Active Learning の基礎と最近の研究
Fumihiko Takahashi
Weitere ähnliche Inhalte
Was ist angesagt?
物体検出エラーの分析ツール TIDE
物体検出エラーの分析ツール TIDE
GuoqingLiu9
[DL輪読会]Diffusion-based Voice Conversion with Fast Maximum Likelihood Samplin...
[DL輪読会]Diffusion-based Voice Conversion with Fast Maximum Likelihood Samplin...
Deep Learning JP
backbone としての timm 入門
backbone としての timm 入門
Takuji Tahara
Curriculum Learning (関東CV勉強会)
Curriculum Learning (関東CV勉強会)
Yoshitaka Ushiku
マルチレイヤコンパイラ基盤による、エッジ向けディープラーニングの実装と最適化について
マルチレイヤコンパイラ基盤による、エッジ向けディープラーニングの実装と最適化について
Fixstars Corporation
【メタサーベイ】Vision and Language のトップ研究室/研究者
【メタサーベイ】Vision and Language のトップ研究室/研究者
cvpaper. challenge
最近のDeep Learning (NLP) 界隈におけるAttention事情
最近のDeep Learning (NLP) 界隈におけるAttention事情
Yuta Kikuchi
Attentionの基礎からTransformerの入門まで
Attentionの基礎からTransformerの入門まで
AGIRobots
3D CNNによる人物行動認識の動向
3D CNNによる人物行動認識の動向
Kensho Hara
LSTM (Long short-term memory) 概要
LSTM (Long short-term memory) 概要
Kenji Urai
Deep Learningのための専用プロセッサ「MN-Core」の開発と活用(2022/10/19東大大学院「 融合情報学特別講義Ⅲ」)
Deep Learningのための専用プロセッサ「MN-Core」の開発と活用(2022/10/19東大大学院「 融合情報学特別講義Ⅲ」)
Preferred Networks
画像キャプションの自動生成
画像キャプションの自動生成
Yoshitaka Ushiku
Recent Advances on Transfer Learning and Related Topics Ver.2
Recent Advances on Transfer Learning and Related Topics Ver.2
Kota Matsui
[DL輪読会]医用画像解析におけるセグメンテーション
[DL輪読会]医用画像解析におけるセグメンテーション
Deep Learning JP
Generative Adversarial Networks (GAN) の学習方法進展・画像生成・教師なし画像変換
Generative Adversarial Networks (GAN) の学習方法進展・画像生成・教師なし画像変換
Koichi Hamada
バイナリニューラルネットとハードウェアの関係
バイナリニューラルネットとハードウェアの関係
Kento Tajiri
NLPにおけるAttention~Seq2Seq から BERTまで~
NLPにおけるAttention~Seq2Seq から BERTまで~
Takuya Ono
5分で分かる自己組織化マップ
5分で分かる自己組織化マップ
Daisuke Takai
画像キャプションと動作認識の最前線 〜データセットに注目して〜(第17回ステアラボ人工知能セミナー)
画像キャプションと動作認識の最前線 〜データセットに注目して〜(第17回ステアラボ人工知能セミナー)
STAIR Lab, Chiba Institute of Technology
Active Learning の基礎と最近の研究
Active Learning の基礎と最近の研究
Fumihiko Takahashi
Was ist angesagt?
(20)
物体検出エラーの分析ツール TIDE
物体検出エラーの分析ツール TIDE
[DL輪読会]Diffusion-based Voice Conversion with Fast Maximum Likelihood Samplin...
[DL輪読会]Diffusion-based Voice Conversion with Fast Maximum Likelihood Samplin...
backbone としての timm 入門
backbone としての timm 入門
Curriculum Learning (関東CV勉強会)
Curriculum Learning (関東CV勉強会)
マルチレイヤコンパイラ基盤による、エッジ向けディープラーニングの実装と最適化について
マルチレイヤコンパイラ基盤による、エッジ向けディープラーニングの実装と最適化について
【メタサーベイ】Vision and Language のトップ研究室/研究者
【メタサーベイ】Vision and Language のトップ研究室/研究者
最近のDeep Learning (NLP) 界隈におけるAttention事情
最近のDeep Learning (NLP) 界隈におけるAttention事情
Attentionの基礎からTransformerの入門まで
Attentionの基礎からTransformerの入門まで
3D CNNによる人物行動認識の動向
3D CNNによる人物行動認識の動向
LSTM (Long short-term memory) 概要
LSTM (Long short-term memory) 概要
Deep Learningのための専用プロセッサ「MN-Core」の開発と活用(2022/10/19東大大学院「 融合情報学特別講義Ⅲ」)
Deep Learningのための専用プロセッサ「MN-Core」の開発と活用(2022/10/19東大大学院「 融合情報学特別講義Ⅲ」)
画像キャプションの自動生成
画像キャプションの自動生成
Recent Advances on Transfer Learning and Related Topics Ver.2
Recent Advances on Transfer Learning and Related Topics Ver.2
[DL輪読会]医用画像解析におけるセグメンテーション
[DL輪読会]医用画像解析におけるセグメンテーション
Generative Adversarial Networks (GAN) の学習方法進展・画像生成・教師なし画像変換
Generative Adversarial Networks (GAN) の学習方法進展・画像生成・教師なし画像変換
バイナリニューラルネットとハードウェアの関係
バイナリニューラルネットとハードウェアの関係
NLPにおけるAttention~Seq2Seq から BERTまで~
NLPにおけるAttention~Seq2Seq から BERTまで~
5分で分かる自己組織化マップ
5分で分かる自己組織化マップ
画像キャプションと動作認識の最前線 〜データセットに注目して〜(第17回ステアラボ人工知能セミナー)
画像キャプションと動作認識の最前線 〜データセットに注目して〜(第17回ステアラボ人工知能セミナー)
Active Learning の基礎と最近の研究
Active Learning の基礎と最近の研究
Playgroundでディープラーニングを勉強しよう
1.
AITCオープンラボ Playground で ディープラーニングを 勉強しよう 2017年1月26日 富士通 吉田、井沢 TensorFlow,
the TensorFlow logo and any related marks are trademarks of Google Inc. 1
2.
はじめに • TensorFlow Playgroundを使用して ニューラルネットワークの仕組みをしましょう URL:
http://playground.tensorflow.org/
3.
Classification問題とは? 例:Gaussian • 二次元座標(X1,X2) を1.0(青)か-1.0(赤)に分類する -6.0≦X1,X2≦6.0 •
訓練データ500個: 平均2.0、分散0.5の正規分布で(X1,X2)を250個決めて青 平均-2.0、分散0.5の正規分布で(X1,X2)を250個決め赤 • 学習データ:訓練データからランダムに選んだ250個 • テストデータ:訓練データの残り • ニューラルネットの出力値:-1.0~1.0の連続値 • 誤差:出力が0.8で正解が1.0ならば(1.0-0.8)2=0.04
4.
ノードの可視化について
5.
ノードの可視化について • ノードの背景は、学習データやテストデータとはまったく無関係に、 逐次以下のように表示している。 [-6.0,6.0] ✕[-6.0,6.0]の全領域を100✕100に分割した10000座標 に対して 各座標をネットワークの入力とした時の各ノードの値-1.0~1.0に合わせて、 その座標位置に青色~赤のグラデーション色を表示 ただしDiscretize
outputのチェックボックスがチェックされていたら、 グラデーション色を使用せず、値の正/負で濃いオレンジ/濃い空色で表示
6.
全体レイアウト 分類/回帰 入力層/中間層/出力層入力層/中間層/出力層入力層/中間層/出力層入力層/中間層/出力層 活性化関数 例題
7.
パーセプトロン①(Gaussian) ①Gaussian選択 ②x1とx2を選択 ③隠れ層をすべて削除 ④活性化関数はなんでもOK⑤学習開始 線形分離可能問題は隠れ層がいらない
8.
パーセプトロン②(Exclusive or) ①Exclusive or選択 線形分離不可能問題は2層では解けない CircleやSpiralも試してみよう
9.
特徴量の選択(Exclusive or) ②X1X2を選択 ①Exclusive or選択 入力層に適切な特徴量を使えば2層でも解ける
10.
DeepLeaning(Exclusive or) ②隠れ層を4個、2個追加①Exclusive or選択 隠れ層が特徴量を発見する
活性化関数Linearでは駄目
11.
DeepLeaning(Spiral①) 入力にありったけの特徴量を使えば隠れ1層でも
12.
1. TensorFlow Playground(その他機能) 入力層/中間層/出力層入力層/中間層/出力層入力層/中間層/出力層②入力層/中間層/出力層 STEP実行 ノイズ率 反復回数 学習率
正則化 正則率 訓練データ/イテレーション
13.
付録 TensorFlow Playgroundをローカル起動する。 • ローカルで動かす •
git clone https://github.com/tensorflow/playground.git • cd playground • npm install • npm run serve • ブラウザで http://localhost:8080/ にアクセス
Jetzt herunterladen