はてなブックマーク

結果 ひまわり <-> さくらこモーフィング コードは以下で公開 github.com DCGAN 以下の2記事のように、昨年末はDCGANの効果のすごさを感じましたね。DCGANの仕組みについては両記事をみてもらうとして、この記事ではDCGANを用いて、既に存在する画像の平均画像を生成します。 qiita.com qiita.com 画像からパラメタの算出 DCGANでは、"Generator: パラメタから画像を生成する"と、"Discriminator: 画像が機械的に生成されたものかどうかを判別する"の２つを学習します、詳しくは前述の記事を参照。このGeneratorの学習済みモデルは前述の記事で公開されているので、これで遊べるぜ、ってやつです。ところで、今回はひまわりさんとさくらこさんの子供の顔がみたいんじゃーという欲求を満たしたいんですが、そのためにパラメタチューニング職人にな

前回の記事ではchainerのインストールからサンプルコードを使って画像識別問題を解くところまでやりました。 hi-king.hatenablog.com 今回の記事では回帰・分類問題用のシンプルなニューラルネットの作り方をやろうと思います。andとxorの論理式を学習させます。chainerでの実装の学習と、あとニューラルネットの教育目的に使いやすいなーと思ったので。2層のニューラルネットまで段階をふんで解説してるんですが、プログラム読むほうが得意、って方は一番最後のコードを先に読んだほうがわかりやすいかもしれません。 追記(7/13)型チェック chainer1.1.0から型チェックが入ったので(https://github.com/pfnet/chainer/pull/95)、識別にはfloat32を入力してint32を出力、回帰にはfloat32を入力してfloat32を出力、とい

github.com 2017年は様々なGANの改良手法が開発されましたが，先月，Progressive GANという，中でもわかりやすいアイディアで高解像度な画像を生成できる手法が発表されたので，実験してみました． Progressive GAN まず，普通のGANについておさらいですが， この図のように， 1. Generatorがきれいな生成画像を作る 2. Discriminatorが生成画像とデータセット画像を見分ける という役割をそれぞれが果たし，Discriminatorを騙すGeneratorを鍛えることできれいな生成画像になっていくという過程です． この手法をベースに，より自然な，より多様な，画像生成が模索されているというのが現状です． さて，ここはポエムですが，大雑把に言って，自然な画像というのは，"細部が整っている", "全体が矛盾していない"の2つの観点が考えられる

1日ちょっと前に、PFNから新しいディープラーニングフレームワーク"chainer"が公開されました[1]。触ってみた感じの特徴は、pythonのコードで完結するので、システムに組込みしやすそうで、処理の内容も読みやすい。同時に、処理の内容に興味を持たずに使うには難しいという思いでした。ベースにしてあたらしいツールを作るには最適に感じるので、これから、chainerをベースにした様々な用途のツールができるのが期待されます。 CPU用インストール ~ MNISTのトレーニング ここでは、chainerのチュートリアル[1]に書いてあるとおりにインストールと初期タスクをおこなうだけです。 インストールは、githubからソースを落としてきてpython setup.py installでも、pipで入れてもいいと思います。とりあえずここではpip pip install chainer これで

"ニコニコ動画の統計的機械学習"シリーズとして、ニコニコ動画のデータを使った解析を幾つか書いてみます。 結構前にやった、以下の発表の内容をブログ化するってのも含めて。 ニコニコ動画のコメント解析 from Keisuke Ogaki ニコニコ動画のコメント解析 このスライドのトピックは ごちうさ難民はどこにいったか コメントによる動画要約 動画を表現するマルチモーダル特徴量の精度検証 なんですが、まずこの記事では3番目の、特徴量の精度検証に触れます。 概要 ニコニコ動画の体験は、音声、画像、そしてなんといってもコメント、と マルチモーダルな体験ですが、それらの情報を使ってニコニコ動画を解析するにあたって、どういう入力特徴を使うことができるか、そしてどの特徴が有用か、を検証しました。 結果は、"コメント >>> 超えられない壁 >>> 画像 > 音声"でした。 また、特徴量を結合することで、

jenkinsでCIをしている時に，レポジトリへのpushがあるたびに，pushされたブランチをテストしたいことがあります．一つのブランチだけをテストするのではなくて，全てのブランチを逐次テストしておくってことです．さぁどうしよう． おおまかな流れは以下 レポジトリへのpushをjenkinsに通知 gitプラグインでmasterブランチに移動 そのpushの情報をjsonで受け取る jsonからブランチ名を取り出してチェックアウト & pull テスト push通知 -> masterブランチ取得まで githubのレポジトリ設定からWebhooksを設定 payload URL = http://path/to/jenkins/job/core_hook/buildWithParameters?token=token payload versionはjsonに設定 tokenパラメータ