GitHub - gluon-api/gluon-api: A clear, concise, simple yet powerful and efficient API for deep learning.
The Gluon API specification is an effort to improve speed, flexibility, and accessibility of deep learning technology for all developers, regardless of their deep learning framework of choice. The Gluon API offers a flexible interface that simplifies the process of prototyping, building, and training deep learning models without sacrificing training speed. It offers four distinct advantages: Simpl
Large Scale Jirou Classification - ディープラーニングã«ã‚ˆã‚‹ãƒ©ãƒ¼ãƒ¡ãƒ³äºŒéƒŽå…¨åº—舗è˜åˆ¥
ディープラーニングã«ã‚ˆã‚‹ãƒ©ãƒ¼ãƒ¡ãƒ³äºŒéƒŽå…¨åº—舗ã®ãƒ©ãƒ¼ãƒ¡ãƒ³ç”»åƒè˜åˆ¥ã‚’例ã«ã€å¦ç¿’ãŠã‚ˆã³åˆ©ç”¨æ™‚ã®ã‚¤ãƒ³ã‚¿ãƒ•ã‚§ãƒ¼ã‚¹(Slackã€Twitter)ã«é–¢ã™ã‚‹ãƒŽã‚¦ãƒã‚¦ã‚„失敗事例を共有ã—ã¾ã™ã€‚ ã¾ãŸã€ãƒ‡ã‚£ãƒ¼ãƒ—ラーニングを色々ã¨è©¦ã—ãŸéš›ã®ãƒŽã‚¦ãƒã‚¦ã‚’ツール(mxnet-finetuner)ã¨ã—ã¦ã¾ã¨ã‚ã¾ã—ãŸRead less
MXNet API入門 パート1 | POSTD
(注：2017/06/16ã€ã„ãŸã ã„ãŸãƒ•ã‚£ãƒ¼ãƒ‰ãƒãƒƒã‚¯ã‚’å…ƒã«ç¿»è¨³ã‚’ä¿®æ£ã„ãŸã—ã¾ã—ãŸã€‚) MXNetãƒãƒ¥ãƒ¼ãƒˆãƒªã‚¢ãƒ« ã“ã®ã‚·ãƒªãƒ¼ã‚ºã§ã¯ã€ MXnet 深層å¦ç¿’ライブラリã®æ¦‚è¦ã‚’ã¾ã¨ã‚ã¦ã„ãã¾ã™ã€‚主ãªæ©Ÿèƒ½ã‚„Python API(ã‚‚ã£ã¨ã‚‚é¸æŠžã—ã‚„ã™ã„ã¨æ€ã„ã¾ã™)ã«ã¤ã„ã¦èª¬æ˜Žã—ã¾ã™ã€‚ãã‚Œã‹ã‚‰MXNetãƒãƒ¥ãƒ¼ãƒˆãƒªã‚¢ãƒ«ã‚„オンラインã§æä¾›ã•ã‚Œã¦ã„るノートブックを探究ã—ã¦ã¿ã¾ã—ょã†ã€‚ã†ã¾ãã„ã‘ã°ã€ãªã‚“ã¨ã‹ã‚³ãƒ¼ãƒ‰ã®1è¡Œ1行をç†è§£å‡ºæ¥ã‚‹ã‚ˆã†ã«ãªã‚‹ã§ã—ょã†ã€‚ MXNetã®ç†è«–çš„æ ¹æ‹ ã‚„ã‚¢ãƒ¼ã‚テクãƒãƒ£ã«ã¤ã„ã¦å¦ã³ãŸã„æ–¹ã¯ã€ãœã²ã€Ž MXNet: A Flexible and Efficient Machine Learning Library for Heterogeneous Distributed Systems(MXNet: ヘテãƒã‚¸ãƒ‹ã‚¢ã‚¹åˆ†æ•£ã‚·ã‚¹ãƒ†ãƒ ã®ãŸã‚ã®æŸ”軟ã§åŠ¹çŽ‡çš„ãªæ©Ÿæ¢°å¦ç¿’ライブラリ) ã€ã¨ã„ㆠ論文 ã‚’ãŠ
mxnetã§é ‘張る深層å¦ç¿’
6. 多層パーセプトãƒãƒ³ • irisデータã§ã‚„ã£ã¦ã¿ã‚‹ Sepal. Length Sepal. Width Petal. Length Petal. Width Species 5.1 3.5 1.4 0.2 setosa 4.9 3.0 1.4 0.2 setosa 4.7 3.2 1.3 0.2 setosa 4.6 3.1 1.5 0.2 setosa sepal petal setosa, versicolor, virginicaã®å„å“種ã«50è¡Œãšã¤ã‚るデータセット 7. 多層パーセプトãƒãƒ³ • å¦ç¿’⽤ã¨æ¤œè¨¼â½¤ã«ãƒ‡ãƒ¼ã‚¿ã‚’分割 > data(iris) > # 奇数â¾ã‚’å¦ç¿’⽤データã€å¶æ•°â¾ã‚’検証⽤データã¨ã™ã‚‹ > train.ind <- seq(1, nrow(iris), 2) > > train.x <- data.matrix(iris[train.ind, 1:4])
Deep Learningã§éŠã¶(1): テニス四大大会データセット（追記ã‚ã‚Š: æ£è¦åŒ–ã—ãŸå ´åˆã®æ¤œè¨¼ï¼‰ - 渋谷駅å‰ã§åƒãデータサイエンティストã®ãƒ–ãƒã‚°
MXnet / KerasãŒæœ¬æ ¼çš„ã«æ™®åŠã—ã¦ããŸã“ã¨ã§ã€ã„よã„よ「誰ã§ã‚‚（割ã¨ï¼‰æ°—軽ã«Deep Learningを実践ã§ãã‚‹ã€æ™‚代ã«ãªã£ã¦ãã¾ã—ãŸãã€ã¨ã„ã†è©±ã‚’å‰å›žã®è¨˜äº‹ã§ã¯ä¸€é€šã‚Šã‚„ã£ã¦ã¿ã¾ã—ãŸã€‚ ã¨ã„ã†ã“ã¨ã§ã€ã“ã‚Œã‹ã‚‰ã—ã°ã‚‰ã「気軽ã«å®Ÿè·µã§ãるよã†ã«ãªã£ãŸã‘ã©å®Ÿéš›å•é¡ŒDeep Learningã£ã¦ã©ã†ãªã‚“？ã€ã¨ã„ã†ã®ã‚’色々サンプルデータセットを替ãˆã¦å¦ç¿’＆予測ã®æŒ™å‹•ã‚’見るã“ã¨ã§ã€ãã®å®Ÿæ…‹ã‚’体感ã—ã¦ã¿ã‚ˆã†ã¨ã„ã†æŠ€è¡“ãƒã‚¿ã‚·ãƒªãƒ¼ã‚ºã‚’ダラダラやã£ã¦ã¿ã‚ˆã†ã‹ã¨æ€ã„ã¾ã™ã€‚ フレームワークã¯MXnet / Kerasã©ã¡ã‚‰ã§ã‚‚良ã„ã¤ã‚‚ã‚Šã§ã™ãŒã€å˜ã«è‡ªåˆ†ã®ç’°å¢ƒã§ã®ãŠæ‰‹è»½ã•ã‚’優先ã—ã¦åŸºæœ¬çš„ã«MXnetã§çµ±ä¸€ã—よã†ã¨æ€ã„ã¾ã™ã€‚リクエストãŒã‚ã‚Œã°Kerasã§ã®å®Ÿè¡Œä¾‹ã‚‚後ã‹ã‚‰è¿½è¨˜ã™ã‚‹ã‚ˆã†ã«ã—ã¾ã™ã®ã§ã€ã©ã†ã—ã¦ã‚‚Kerasã§ã©ã†å›žã™ã‹åˆ†ã‹ã‚‰ãªã„ï¼ã¨ã„ã†æ–¹ã¯ã‚³ãƒ¡ãƒ³ãƒˆæ¬„ãªã‚Šã§ã”ä¸€å ±ãã ã•ã„。 追記部分ã«ã¤ã„㦠éžå¸¸ã«
Kerasã‚’TensorFlowãƒãƒƒã‚¯ã‚¨ãƒ³ãƒ‰ã§è©¦ã—ã¦ã¿ãŸï¼šã€Œã‚‚ã£ã¨å¤šãã®äººã«æ©Ÿæ¢°å¦ç¿’ã¨Deep Learningã‚’ã€ã¨ã„ã†æ™‚代ã®å¹•é–‹ã‘ - 渋谷駅å‰ã§åƒãデータサイエンティストã®ãƒ–ãƒã‚°
（左：Kerasã€å³ï¼šMXnet） Kaggle Masterã®é–“ã§ã¯MXnetよりã•ã‚‰ã«äººæ°—ãªDeep Learningフレームワークã¨ã„ã†ã‹ãƒ©ãƒƒãƒ‘ーãŒã€@fcholletæ°ã®æ‰‹ã«ã‚ˆã‚‹Keras。 Keras Documentation çµæ§‹è‹¦å¿ƒã—ãŸã®ã§ã™ãŒã€ã‚ˆã†ã‚„ã手元ã®Python環境ã§èµ°ã‚‹ã‚ˆã†ã«ãªã£ãŸã®ã§ã€è©¦ã—ã¦ã¿ã¾ã—ãŸã€‚ãªãŠKerasã®æ¦‚è¦ã¨å…¨ä½“åƒã«ã¤ã„ã¦ã¯id:aidiaryã•ã‚“ãŒè©³ç´°ãªè§£èª¬ã‚’書ã„ã¦ä¸‹ã•ã£ã¦ã„ã‚‹ã®ã§ã€ãã¡ã‚‰ã®æ–¹ã‚’是éžãŠèªã¿ä¸‹ã•ã„。 追記 Kerasã¯äººæ°—ã®ãƒ•ãƒ¬ãƒ¼ãƒ ワークãªã®ã§ã€åƒ•ãªã‚“ãžãŒã“ã‚“ãªãƒ–ãƒã‚°è¨˜äº‹ã‚’書ãå‰ã‹ã‚‰ç´ 晴らã—ã„紹介記事・スクリプトãŒå¹¾ã¤ã‚‚ã‚ã‚Šã¾ã™ã€‚ã“ã¡ã‚‰ã§ã¯å‚考ã¾ã§ã«ä»¥ä¸‹ã®ãŠäºŒæ–¹ã®ã‚‚ã®ã‚’ã”紹介ã•ã›ã¦ã„ãŸã ãã¾ã™ã€‚ Kerasã¯ãƒ¬ã‚´ãƒ–ãƒãƒƒã‚¯ã‚’組ã¿åˆã‚ã›ã‚‹ã‹ã®ã‚ˆã†ã«ã—ã¦ã€ç°¡å˜ã«ãƒ‡ã‚£ãƒ¼ãƒ—ラーニングã®ãƒ¢ãƒ‡ãƒ«ã‚’作æˆã§ãる便利ãªãƒ©ã‚¤ãƒ–ラリã§ã™ã€‚ã“れを使ã£ã¦æ¥½ã—
Deep Learningライブラリ「MXNetã€ã®R版をKaggle Otto Challengeã§å®Ÿè·µã—ã¦ã¿ãŸ - Think more, try less
最近ã€Kagglerã®é–“ã§è©±é¡Œã¨ãªã£ã¦ã„ãŸDeep Learningã®ãƒ©ã‚¤ãƒ–ラリ「MXNetã€ã®Rパッケージ{mxnet}ã«ã¤ã„ã¦TJOã•ã‚“よりã”紹介ãŒã‚ã‚Šã¾ã—ãŸã€‚ tjo.hatenablog.com 多ãã®æ–¹ãŒã“ã®ãƒ–ãƒã‚°ã§åˆã‚ã¦{mxnet}を知ã£ãŸã€ã‚‚ã—ãã¯ã‚ã¾ã‚Šè§¦ã‚Œã¦ã“ãªã‹ã£ãŸãŒä¹…々ã«ä½¿ã£ã¦ã¿ã‚ˆã†ã¨ã„ã†æ®µéšŽã‹ã‚‚ã—ã‚Œã¾ã›ã‚“ãŒã€ç§ã‚’ã¯ã˜ã‚多ãã®Kagglerã¯ã™ã§ã«{mxnet}を多少ãªã‚Šä½¿ç”¨ã—ã¦ã„ã‚‹ã“ã¨ã‚‚ã‚ã‚Šã€ä¸‹è¨˜ã®ã‚ˆã†ã«è§£èª¬è¨˜äº‹ã®æ›¸ãよã†ã«ã¨ç„¡èŒ¶ã¶ã‚Šã‚’é ‚ãã¾ã—ãŸã®ã§ã€ç§ã‹ã‚‰ã‚‚ã”紹介ã•ã›ã¦é ‚ããŸã„ã¨æ€ã„ã¾ã™ã€‚ @Keiku ã„ãˆã„ãˆã€Keikuã•ã‚“ã®è¨˜äº‹æ¥½ã—ã¿ã«ã—ã¦ãŠã‚Šã¾ã™ï¼ï¼ˆKaggle masterã¯ãƒ‡ãƒ¼ã‚¿åˆ†æžè€…ã®æ†§ã‚Œã§ã™ã‚ˆã€œï¼‰â€” TJO (@TJO_datasci) 2016å¹´3月29æ—¥ TJOã•ã‚“ã®è§£èª¬è¨˜äº‹ã§ã¯ã€Deep Learningã®ä»£è¡¨çš„ãªäº‹ä¾‹ã§ã‚‚ã‚る「Convolu
Deep Learningライブラリ{mxnet}ã®R版ã§Convolutional Neural Networkをサクッã¨è©¦ã—ã¦ã¿ãŸï¼ˆè¿½è¨˜3件ã‚り） - 渋谷駅å‰ã§åƒãデータサイエンティストã®ãƒ–ãƒã‚°
For non-native Japanese speakers: English version is below. ã¡ã‚‡ã£ã¨å‰ã‹ã‚‰è‰²ã€…ãªã¨ã“ã‚ã§ã¡ã‚‰ã»ã‚‰åå‰ã‚’èžããªãã¨æ€ã£ã¦ã„ãŸMXnet。ã©ã†ã‚„らKagglerã®é–“ã§ã¯æ€¥é€Ÿã«äººæ°—ãŒé«˜ã¾ã£ã¦ã„るよã†ã§ã€æœ€è¿‘ã«ãªã£ã¦ã ã„ã¶ãƒã‚°ãƒ•ã‚£ãƒƒã‚¯ã‚¹ãŒé€²ã‚“ã らã—ã„ã¨ã„ã†ã®ã§åƒ•ã‚‚インストールã—ã¦ã¿ã‚‹ã“ã¨ã«ã—ã¾ã—ãŸã€‚ ã‚‚ã†ã“ã‚Œã¯ã”覧ã®é€šã‚Šã§ã€ã‚ã®Xgboostã‚‚é…布ã—ã¦ã„ã‚‹DMLCãŒå‡ºã—ãŸã‚‚ã®ã§ã™ã€‚æ—¢ã«ã‚½ãƒ¼ã‚¹ã‚‚ドã‚ュメントもã‹ãªã‚Šæ•´å‚™ãŒé€²ã‚“ã§ã„ã¦ã€ImageNetã®å¦ç¿’済ã¿ãƒ¢ãƒ‡ãƒ«ã‚‚é…布ã•ã‚Œã¦ã„るよã†ã§ã™ã€‚ã¨ã„ã†ã“ã¨ã§ã€æ—©é€Ÿã¡ã‚‡ã£ã¨è§¦ã£ã¦ã¿ã‚ˆã†ã¨æ€ã„ã¾ã™ã€‚ Convolutional Neural Network (CNN)ã¨ã¯ 言ã†ã¾ã§ã‚‚ãªã„ã“ã¨ã ã¨ã¯æ€ã„ã¾ã™ãŒã€Convolutional Neural Network (CNN)ã¨ã„ã†æ‰‹æ³•è‡ªä½“ã¯Deep
1
ランã‚ング
ランã‚ング
ランã‚ング
リリースã€éšœå®³æƒ…å ±ãªã©ã®ã‚µãƒ¼ãƒ“スã®ãŠçŸ¥ã‚‰ã›
最新ã®äººæ°—エントリーã®é…ä¿¡
j次ã®ãƒ–ックマーク
kå‰ã®ãƒ–ックマーク
lã‚ã¨ã§èªã‚€
eコメント一覧を開ã
oページを開ã
Image recognition tutorial in R using deep convolutional neural networks (MXNet package) | R-bloggers
{{#tags}}- {{label}}
{{/tags}}