検索対象

並び順

ブックマーク数

期間指定

  • から
  • まで

1 - 40 件 / 305件

新着順 人気順

"deep+learning"の検索結果1 - 40 件 / 305件

タグ検索の該当結果が少ないため、タイトル検索結果を表示しています。

 "deep+learning"に関するエントリは305件あります。 機械学習、  学習、  AI などが関連タグです。 人気エントリには ﹃東京大学深層学習︵Deep Learning基礎講座2022︶深層学習と自然言語処理﹄などがあります。  

"deep+learning"の関連エントリー

  • 東京大学深層学習（Deep Learning基礎講座2022）深層学習と自然言語処理

    東京大学深層学習（Deep Learning基礎講座2022）https://deeplearning.jp/lectures/dlb2022/ 「深層学習と自然言語処理」の講義資料です。

      東京大学深層学習（Deep Learning基礎講座2022）深層学習と自然言語処理

    • LLMを理解する一歩として「ゼロから作るDeep Learning」をやった - $shibayu36->blog;


      LLM、GPT界隈を追いかけていて、GPTの仕組みと限界についての考察︵2.1︶ - conceptualizationという記事を見かけた。これを見たとき、﹁どういうことか全然理解できない﹂という気持ちになった。また、その他LLMの解説記事を理解できないことが多く、自分の機械学習知識不足が明確になった。 理解できなかったことは悔しいし、LLMやChatGPTをうまく使いこなすには最低限どのような原理で動いているか理解したいと感じた。そこで一歩目として﹁ゼロから作るDeep Learning﹂を完走した。 ゼロから作るDeep Learning ―Pythonで学ぶディープラーニングの理論と実装 作者:斎藤 康毅オライリージャパンAmazon 知識なしからはじめたので時間はかかったが、次のように進めていった。 自分もコードを写経しながら読む レポジトリは https://github.co
        LLMを理解する一歩として「ゼロから作るDeep Learning」をやった - $shibayu36->blog;

      • ディープラーニング(Deep Learning)の歴史を振り返る - 渋谷駅前で働くデータサイエンティストのブログ


        先日Quora日本語版でこんな回答を書いたのですが、ついでなので少し文脈情報を付け足してブログの方に再録することにしました。理由は単純で、このブログでディープラーニングの歴史についてまとめた記事を今まで書いてきたことがなく、そしてブログ記事にした方がより認識違いや調査不足などについての指摘をもらいやすいと思われたからです。ということで、以下の説明に関してツッコミがあれば是非コメント欄などにお寄せくださいm(_ _)m (A Neural Network Playground) ディープラーニングを語る上で、その前史であるパーセプトロン、そして︵人工︶ニューラルネットワークの話題は欠かせません。以下大まかに説明していきましょう。︵※歴史解説中では敬称略、各種用語は原則カナ表記*1︶ パーセプトロンの登場 ミンスキーによる批判と第1の冬の時代 誤差逆伝播学習則と中間層を用いたニューラルネットワ
          ディープラーニング(Deep Learning)の歴史を振り返る - 渋谷駅前で働くデータサイエンティストのブログ

        • GPTとは何か Transformerの視覚化 | Chapter 5, Deep Learning

          この動画は3Blue1Brownの動画を東京大学の学生有志団体が翻訳・再編集し公式ライセンスのもと公開しているものです。 チャンネル登録と高評価をよろしくお願いいたします。 日本語版Twitter https://twitter.com/3B1BJP 元チャンネル（英語） https://www.youtube.com/c/3blue1brown 元動画（英語） https://youtu.be/wjZofJX0v4M?si=9YsuEzHATlhPtpOF Check out our new channel Ufolium https://www.youtube.com/watch?v=wrNCjIjIzuk&pp=ygUj5aSn57Wx6aCY6YG45oyZ44Gu5LuV57WE44G_IHVmb2xpdW0%3D Richard Turner's introduction

            GPTとは何か Transformerの視覚化 | Chapter 5, Deep Learning

            • "deep+learning"の関連エントリー

          • Google はどうやって Deep Learning でメモリ使用量を 99% 削減したか。

            NewsPicksのエンジニア採用サイトです。さまざまな強みを持つエンジニアが、自分たちの個性を活かし、未来を創るための挑戦をしてる自由な環境で、一緒に世の中をおもしろくしてみませんか？

              Google はどうやって Deep Learning でメモリ使用量を 99% 削減したか。

            • 【終了しました】 『ゼロから作る Deep Learning ❸』公開レビューのお知らせ｜斎藤 康毅（さいとう こうき）


              こんにちは、斎藤 康毅︵さいとう こうき︶といいます。ここ1年間はずっと本を書いていました。﹃ゼロから作る Deep Learning ❸ — フレームワーク編﹄という本です。最近ようやく、原稿を書き終わろうとしています。 この本は﹁ディープラーニングのフレームワークを作ろう﹂という本です︵野心的にも、オリジナルの﹁フレームワーク﹂をゼロから作ります︶。世界中を見回しても、ほとんど類書がないような本になっていると思います。これから先、できるかぎり良い本になるよう、最後の最後までブラッシュアップしていく予定です。 さて、今回も前作同様に﹁公開レビュー﹂を行います。興味のある方は、オンラインで原稿を読めるページを用意していますので、チェックしてみてください︵無料です！︶。問題に感じた箇所や改善すべきと思った点など、コメントいただけますと幸いです。どんなに小さな指摘や疑問でも構いませんので、気軽
                【終了しました】 『ゼロから作る Deep Learning ❸』公開レビューのお知らせ｜斎藤 康毅（さいとう こうき）

              • 40歳エンジニア管理職が「Deep Learning for ENGINEER(E資格)」に合格した話 - Qiita

                Deep Learning for ENGINEER（E資格）とは この記事は2020年1月時点の情報であることをご了承ください。 現在、この日本においてAIのスキルを証明する公的資格として下記が挙げられます。 JDLA Deep Learning for GENERAL（G検定） JDLA Deep Learning for ENGINEER（E資格） です。 位置付けとしては、G検定がAI関連技術に関する一般教養を問う試験。 E資格がAI関連技術に関する理論を理解し、AIを実装できるスキルを問う試験。 という理解です。 詳細というか、正確な定義については、日本ディープラーニング協会（JDLA）のサイトをご参照ください。 E資格の受験方法とJDLA認定プログラム とういうわけで、ここからはE資格のことを中心に話を進めていきたいと思います。 E資格を受験するチャンスは年に2回あり、2月と8

                  40歳エンジニア管理職が「Deep Learning for ENGINEER(E資格)」に合格した話 - Qiita

                • Deep Learning ideas that have stood the test of time

                  Deep Learning is such a fast-moving field and the huge number of research papers and ideas can be overwhelming. The goal of this post is to review ideas that have stood the test of time. These ideas, or improvements of them, have been used over and over again. They’re known to work. If you were to start in Deep Learning today, understanding and implementing each of these techniques would probably

                  • ゼロから作るDeep LearningシリーズはGoogle Colaboratoryで写経して学習するのがおすすめ - karaage. [からあげ]


                    ﹁ゼロから作るDeep Learningシリーズ﹂が最高 ゼロから作るDeep Learningは、TensorFlow、Keras、PyTorchといったディープラーニングのフレームワークを一切使わず、基本PythonとNumpyのみでディープラーニングのアルゴリズムを作って理解していくというハードコアな内容です。 シリーズは3冊出ていて、1が画像認識、2が自然言語、3がフレームワークに重点を置いた内容です。 ゼロから作るDeep Learning ―Pythonで学ぶディープラーニングの理論と実装 作者:斎藤 康毅発売日: 2016/09/24メディア: 単行本︵ソフトカバー︶ ゼロから作るDeep Learning ❸ ―フレームワーク編 作者:斎藤 康毅発売日: 2020/04/20メディア: 単行本︵ソフトカバー︶ ゼロから作るDeep Learning ❷ ―自然言語処理編 作
                      ゼロから作るDeep LearningシリーズはGoogle Colaboratoryで写経して学習するのがおすすめ - karaage. [からあげ]

                    • 「生成Deep Learning」は久しぶりにワクワクするAI関係の本だった - karaage. [からあげ]

                      「生成Deep Learning」を読みました 生成に特化したAIの本「生成Deep Learning」を読みました。 生成 Deep Learning ―絵を描き、物語や音楽を作り、ゲームをプレイする 作者:David Foster発売日: 2020/10/05メディア: 単行本（ソフトカバー） 独創力とは、思慮深い模倣以外の何ものでもない とは18世紀フランスの哲学者ヴォルテールの言葉とのことですが、AIによる模倣と創造の境界に関して考えさせられるような本でした。 本の内容は、オートエンコーダからはじまりGANでの画像生成、文章生成、音楽生成。アテンション、強化学習の世界モデルまでとタイトル通り生成系のAI技術を幅広くカバーしています。 結構骨太で、AIの本は1冊目という人が読む本ではなくて、何冊かAI関係の書籍を読んで、ある程度自分で実践して、生成系のAI（Auto Encoderと

                        「生成Deep Learning」は久しぶりにワクワクするAI関係の本だった - karaage. [からあげ]

                      • 深層学習時代の文字認識とその周辺 / OCR and related technologies in the Deep Learning era

                        ■イベント 
：【SenseTime Japan × Sansan】画像処理勉強会 https://sansan.connpass.com/event/230636/ ■登壇概要 タイトル：深層学習時代の文字認識とその周辺 発表者： 
技術本部 DSOC R&D研究員 　宮本 優一 ▼Twitter https://twitter.com/SansanRandD

                          深層学習時代の文字認識とその周辺 / OCR and related technologies in the Deep Learning era

                        • ゼロから作るDeep Learningで素人がつまずいたことメモ:7章 - Qiita


                          はじめに ふと思い立って勉強を始めた﹁ゼロから作るDeep LearningーーPythonで学ぶディープラーニングの理論と実装﹂の7章で私がつまずいたことのメモです。 実行環境はmacOS Mojave + Anaconda 2019.10、Pythonのバージョンは3.7.4です。詳細はこのメモの1章をご参照ください。 ︵このメモの他の章へ‥1章 / 2章 / 3章 / 4章 / 5章 / 6章 / 7章 / 8章 / まとめ︶7章 畳み込みニューラルネットワーク この章は、畳み込みニューラルネットワーク︵CNN︶の説明です。 7.1 全体の構造 これまでのAffineレイヤーやSoftmaxレイヤー、ReLUレイヤーに加えて、Convolution︵畳み込み、コンボリューション︶レイヤーとPooling︵プーリング︶レイヤーが出てくる説明です。 7.2 畳み込み層 畳み込み層の説明
                            ゼロから作るDeep Learningで素人がつまずいたことメモ:7章 - Qiita

                          • Deep Learning入門

                            はじめてDeep Learningに触れる方を対象に、Deep Learningの基礎とポイントをできるだけ分かりやすく解説します。

                              Deep Learning入門

                            • 2020年、Deep Learningをはじめましょう！

                              Deep Learning（深層学習）をこれから学びたいという方を対象にした、導入のための解説動画です。 Neural Network Console Youtubeチャンネル https://www.youtube.com/channel/UCRTV5p4JsXV3YTdYpTJECRA 再生リスト「Deep Learning入門」 https://www.youtube.com/playlist?list=PLg1wtJlhfh23pjdFv4p8kOBYyTRvzseZ3 再生リスト「Neural Network Console チュートリアル（クラウド版）」 https://www.youtube.com/playlist?list=PLg1wtJlhfh227oiXbVJOwXCuCoKo3dOU9 再生リスト「Neural Network Console チュートリアル

                                2020年、Deep Learningをはじめましょう！

                              • 自然言語からSQLを自動生成するDeep Learning技術 - Qiita

                                本記事は Towards Complex Text-to-SQL in Cross-Domain Database with Intermediate Representation（論文, リポジトリ）のサーベイ記事です。 日鉄ソリューションズ（NSSOL）様での研究開発インターンの一環として執筆しました。 今回紹介するのは、ざっくり言えば、自然言語で記述された質問からSQLクエリを生成するタスク（Text-to-SQL）において、文脈自由な中間表現を導入して性能を上げた研究で、提案モデルはIRNetと呼ばれています。 この研究ではSpider (論文, サイト) というデータセットを用いています。Spiderは従来のText-to-SQLデータセットよりも複雑な事例を多く含んでいます。 Spiderの公式サイトで挙げられている難易度が中くらい（Meidum）の例がこちらです： 複数テーブ

                                  自然言語からSQLを自動生成するDeep Learning技術 - Qiita

                                • ゼロから作るDeep Learningで素人がつまずいたことメモ:5章 - Qiita


                                  はじめに ふと思い立って勉強を始めた﹁ゼロから作るDeep LearningーーPythonで学ぶディープラーニングの理論と実装﹂の5章で私がつまずいたことのメモです。 実行環境はmacOS Mojave + Anaconda 2019.10、Pythonのバージョンは3.7.4です。詳細はこのメモの1章をご参照ください。 ︵このメモの他の章へ‥1章 / 2章 / 3章 / 4章 / 5章 / 6章 / 7章 / 8章 / まとめ︶5章 誤差逆伝播法 この章は、ニューラルネットワークの学習において重みパラメーターの算出を高速化するための、誤差逆伝播法についての説明です。 ちなみにこの﹁伝播﹂︵でんぱ︶という言葉はPropagetionの訳なのですが、﹁伝搬﹂︵でんぱん︶と訳されることもあって日本語は混沌としています。この辺りを調べたブログの記事を見つけましたので、興味のある方は 歩いたら
                                    ゼロから作るDeep Learningで素人がつまずいたことメモ:5章 - Qiita

                                  • Google Researchの神資料を読み解いてみる①【Deep Learning Tuning Playbook】 - Qiita


                                    はじめに 研究しなきゃなのはわかってるが何から始めればいいんだ、とりあえずでモデル組んだけどまともに動かん。なにがダメなのか分からねぇ、どこをどういじれば何がどう変わるんだ、、、と日々悲鳴をあげている中、Google Researchの研究者による、Deep Learning Tuning Playbook︵ https://github.com/google-research/tuning_playbook ︶が公開されました。 どうやら深層学習ネットワークをチューニングする際の考え方やら注意点を、Googleの神たちがまとめてくださっているようです。これは読んでおこうと思い、自分の読解とメモついでに和訳してみることにしました。 ︻注意︼ 翻訳アプリそのままではなく、一応多少自分なりに解釈して理解したいということで、一部抜けてたり言い回しが違ったり、そのまんま和訳になっているとは限りませ
                                      Google Researchの神資料を読み解いてみる①【Deep Learning Tuning Playbook】 - Qiita

                                    • Deepでポン！Deep Learningによるホモグラフィ推定技術の調査（コード有り） - ABEJA Tech Blog

                                      はじめに はじめに ホモグラフィ推定とは 特徴量ベースの手法 特徴点の抽出・特徴量の計算 LIFT: Learned Invariant Feature Transform [1] SuperPoint: Self-Supervised Interest Point Detection and Description [2] LoFTR: Detector-Free Local Feature Matching with Transformers [3] 対応関係の計算 Learning to Find Good Correspondences [4] Neural-Guided RANSAC: Learning Where to Sample Model Hypotheses [5] 画像マッチングベースの方法 Deep Image Homography Estimation [7] C

                                        Deepでポン！Deep Learningによるホモグラフィ推定技術の調査（コード有り） - ABEJA Tech Blog

                                      • 化学反応におけるDeep learningの適用 - Preferred Networks Research & Development

                                        近年様々な分野に対してDeep learningの応用が研究されてきています。 化学の分野でも物性値の予測モデルや、化合物の生成モデルの研究などが盛んになってきています。最近では、有機化合物の合成を行う際に必要な化学反応の予測をDeep learningで行うという試みが行われてきているのでその先行研究サーベイをしました。 サーベイ資料はこちらのSlideshareにアップロードしています。 問題設定：反応予測および逆合成経路探索 化学反応で、反応物 (reactant) AとBを触媒 (reagent) Cの下で反応させたときに 生成物 (product) D ができたようなプロセスは Reaction SMILES を用いると “A.B.C>>D” というように表すことができます。 ここで、 AとBとC から何ができるか？ （答えはD）を予測する問題を順方向の反応予測問題と呼び、Dを作

                                          化学反応におけるDeep learningの適用 - Preferred Networks Research & Development

                                        • GitHub - oreilly-japan/deep-learning-from-scratch-3: 『ゼロから作る Deep Learning ❸』(O'Reilly Japan, 2020)

                                          You signed in with another tab or window. Reload to refresh your session. You signed out in another tab or window. Reload to refresh your session. You switched accounts on another tab or window. Reload to refresh your session. Dismiss alert

                                            GitHub - oreilly-japan/deep-learning-from-scratch-3: 『ゼロから作る Deep Learning ❸』(O'Reilly Japan, 2020)

                                          • ゼロから作るDeep Learningで素人がつまずいたことメモ: まとめ - Qiita

                                            はじめに ふと思い立って勉強を始めた「ゼロから作るDeep LearningーーPythonで学ぶディープラーニングの理論と実装」が読破できたので、感想やこれから読む方に向けてのメッセージをまとめます。購入を悩んでいる方や、読み始めたけど途中で挫折してしまった方の参考になれば幸いです。 良かった点 最後まで読んだ結果、「ディープラーニング完全に理解した1」と人に言えるようになりました😄 困った点 「ゼロから作る」とあるので、この本を読みながら実際に作ってみようと思われる方は多いかと思います。私もそんな1人だったのですが、この本だけで作るのは大変でした。具体的に困った点をまとめます。 Pythonは少し知っている必要があります この本の1章は「Python入門」ですが、内容はかなりあっさりしていますので、この1章だけではPythonのプログラミングができるようにはならないと思います。私はP

                                              ゼロから作るDeep Learningで素人がつまずいたことメモ: まとめ - Qiita

                                            • サマースクール’20：深層強化学習 | Deep Learning JP

                                              本講座は、Deep Learningを用いた強化学習に特化した全6回の講義です。東京大学でDeep Learning基礎講座を公開してきた松尾研究室が、深層学習の基礎を習得済みの学生を対象として開講するものです。 深層学習を用いた強化学習の研究・社会実装のスタートラインに立てるレベルの知識・実装力の習得を目指します。離散制御や連続値制御、モデルベース学習などの強化学習の基礎的なアルゴリズムから、sim2real、模倣学習、Control as Inference、世界モデル、まで深層強化学習の種々のトピックをカバーします。講義のみでなく、実践的な演習を通して、効率的に強化学習について手を動かしながら技術を深く理解します。

                                                サマースクール’20：深層強化学習 | Deep Learning JP

                                              • 『ゼロから作る Deep Learning ❺』 公開レビューのお知らせ｜斎藤 康毅（さいとう こうき）

                                                問題に感じた箇所や改善すべきと思った点など、コメントいただけますと幸いです。レビューに貢献していただいた方には、感謝の印として、本書に名前を記載させていただく予定です（もちろん、同意のある方のみです）。下記のように、レビューアの方の名前をクレジットとして掲載する予定です。 左は『ゼロから作るDeep Learning ❷』、右は中国語に翻訳された『Deep Learning 2』なお、本のタイトルに「❺」とありますが、前作までの知識がなくても読める内容になっています。前提条件としては、Pythonと数学の基本的な知識が必要になります。数式も多く登場します。ちなみに、本書の概要は次のとおりです。 人気シリーズの第5弾。今回のテーマは「生成モデル」です。本書では「正規分布」から「拡散モデル」に至るまでの技術を繋がりのあるストーリーとして展開します。読者は小さな学びを積み重ねながら、ステップバイ

                                                  『ゼロから作る Deep Learning ❺』 公開レビューのお知らせ｜斎藤 康毅（さいとう こうき）

                                                • DEEP LEARNING · Deep Learning

                                                  Description This course concerns the latest techniques in deep learning and representation learning, focusing on supervised and unsupervised deep learning, embedding methods, metric learning, convolutional and recurrent nets, with applications to computer vision, natural language understanding, and speech recognition. The prerequisites include: DS-GA 1001 Intro to Data Science or a graduate-level

                                                  • Deep Learning入門：マルチタスク学習

                                                    Deep Learningを用いてマルチタスク学習と呼ばれる、複数の機能を1つのモデルに学習する方法について解説します。 前回の動画：Attention（注意） https://www.youtube.com/watch?v=g5DSLeJozdw ニューラルネットワーク学習の仕組み https://www.youtube.com/watch?v=r8bbe273vEs 再生リスト「実践Deep Learning」 https://www.youtube.com/playlist?list=PLg1wtJlhfh20zNXqPYhQXU6-m5SoN-4Eu 再生リスト「Deep Learning 精度向上テクニック」 https://www.youtube.com/playlist?list=PLg1wtJlhfh216rnmSv_oEDuchRjgUqxBi 再生リスト「De

                                                      Deep Learning入門：マルチタスク学習

                                                    • Understanding Deep Learning

                                                      Web site created using create-react-app

                                                      • ゼロから作るDeep Learning ❸

                                                        大ヒットを続ける人気シリーズの第3弾。今回は「DeZero」というディープラーニングのフレームワークをゼロから作ります。DeZeroは本書オリジナルのフレームワークです。最小限のコードで、フレームワークのモダンな機能を実現します。本書では、この小さな――それでいて十分にパワフルな――フレームワークを、全部で60のステップで完成させます。それによって、PyTorch、TensorFlow、Chainerなどの現代のフレームワークに通じる知識を深めます。キャッチフレーズは――作るからこそ、見えるモノ。 関連ファイル サンプルコード 正誤表 ここで紹介する正誤表には、書籍発行後に気づいた誤植や更新された情報を掲載しています。以下のリストに記載の年月は、正誤表を作成し、増刷書籍を印刷した月です。お手持ちの書籍では、すでに修正が施されている場合がありますので、書籍最終ページの奥付でお手持ちの書籍の刷

                                                          ゼロから作るDeep Learning ❸

                                                        • Deep Learningを始めたい！初心者エンジニアにおすすめの入門本

                                                          様々な分野でデジタル化が進む近年、AI(人工知能)という言葉をよく目にするようになりました。 例えば、コールセンターで人の代わりにロボットが対応したり、医師の代わりに機械がCTスキャンの読影を行なったり。これはAI(人工知能)技術を応用して実現しており、そして私たちの生活の中に少しずつ姿を表すようになってきたのです。 こうして少しずつ便利な世の中になってきましたよね。 そのAI(人工知能)を構成している技術の一つに皆さんも一度は目にしたことがあるであろう「deep learning」と呼ばれる技術があります。これはAI(人工知能)を知る上では欠かせない技術でしょう。 ですから、AI（人工知能）を使った製品などを開発しようとする時、「deep learning」を勉強しておく必要があります。 そこで今回は、このdeep learningの概要と入門本についてお伝えしましょう。

                                                            Deep Learningを始めたい！初心者エンジニアにおすすめの入門本

                                                          • GitHub - mrdbourke/tensorflow-deep-learning: All course materials for the Zero to Mastery Deep Learning with TensorFlow course.

                                                            You signed in with another tab or window. Reload to refresh your session. You signed out in another tab or window. Reload to refresh your session. You switched accounts on another tab or window. Reload to refresh your session. Dismiss alert

                                                              GitHub - mrdbourke/tensorflow-deep-learning: All course materials for the Zero to Mastery Deep Learning with TensorFlow course.

                                                            • GitHub - google-research/tuning_playbook: A playbook for systematically maximizing the performance of deep learning models.

                                                              This document is for engineers and researchers (both individuals and teams) interested in maximizing the performance of deep learning models. We assume basic knowledge of machine learning and deep learning concepts. Our emphasis is on the process of hyperparameter tuning. We touch on other aspects of deep learning training, such as pipeline implementation and optimization, but our treatment of tho

                                                                GitHub - google-research/tuning_playbook: A playbook for systematically maximizing the performance of deep learning models.

                                                              • Yann LeCun’s Deep Learning Course at CDS is Now Fully Online & Accessible to All

                                                                CDS is excited to announce the release of all materials for Yann LeCun’s Deep Learning, DS-GA 1008, co-taught in Spring 2020 with Alfredo Canziani. This unique course material consists of a mix of close captioned lecture videos, detailed written overviews, and executable Jupyter Notebooks with PyTorch implementations. The course covers the latest techniques in both deep learning and representation

                                                                  Yann LeCun’s Deep Learning Course at CDS is Now Fully Online & Accessible to All

                                                                • Deep Learning将棋は従来の将棋ソフトとここが違うぞ | やねうら王 公式サイト

                                                                  ふかうら王の製作のためにdlshogiのソースコードをくまなく読んだので、Deep Learning型の将棋についてつらつらと書いてみる。 dlshogiとは dlshogiは先月に開催された将棋ソフトの大会「電竜戦」で優勝したGCTのエンジン部分(探索部)でもある。つまりは、dlshogiは現在、世界最強の将棋ソフトと言っても過言ではないだろう。従来の将棋ソフトとはどこが異なるのだろうか。今後、Deep Learning系の将棋ソフトの導入を検討している人向けにざっと書いていく。 ※　今回書くのは、現在のdlshogiの話である。将来的に改良される可能性は大いにあるが、2020年の電竜戦では、この仕様であったということである。 CPUを使うソフトとGPUを使うソフト、どちらがコスパがいいの？ 今回、電竜戦で優勝したGCTをGeForce RTX 2080で動かすとfloodgateでR3

                                                                  • 「作る経験はコピーできない」『ゼロから作るDeep Learning』という技術書の帯に書いてあったキャッチコピーがカッコよすぎる

                                                                    fugahoge 🌏 @fugahoge.bsky.social @Kapillareffekt その下の「手を動かして作り、時間をかけて考えた経験にこそ、いつの時代も変わることなく価値がある」ってのも良いね。 twitter.com/ryo1kato/statu… 2022-07-31 16:46:00 bowwownko @bowwownko 確かに良いキャッチコピー。 実装や設計はコピペされてしまうけれども、設計したりより良い実装を書けるか経験などから発現される根源的なところはコピーできないということを結構日頃から自分に言い聞かせている。（アイデアだけ持っていかれたり、実装コピペされたりすることがあるから） twitter.com/ryo1kato/statu… 2022-07-31 17:40:44

                                                                      「作る経験はコピーできない」『ゼロから作るDeep Learning』という技術書の帯に書いてあったキャッチコピーがカッコよすぎる

                                                                    • Deep Learning with PyTorch | PyTorch

                                                                      Deep Learning with PyTorch Download a free copy of the full book and learn how to get started with AI / ML development using PyTorch Deep Learning with PyTorch provides a detailed, hands-on introduction to building and training neural networks with PyTorch, a popular open source machine learning framework. This full book includes: Introduction to deep learning and the PyTorch library Pre-trained n

                                                                        Deep Learning with PyTorch | PyTorch

                                                                      • Deep Learningの各種タスクにおけるベンチデータセットとデータ数をまとめた - Qiita

                                                                        ABEJAアドベントカレンダー2020の19日目の記事です。 この記事は何？ 結局AIって何個データ必要なの？ってよく聞かれると思います。 そんなん知るか この記事では、ある程度精度が出ている既存のタスクにおいて、どんなデータを、どのくらいの量与えているかを調べた結果です。ちなみに、僕自身、すべてのタスクを扱ったことがあるわけでは無いので、ほぼ一部適当な部分もあるかと思いますが、ご容赦ください。あと、このデータが入ってないよ！ってツッコミも歓迎です。 あと、技術は常に進んでいるので、ちゃんと最新技術を追っておけば、より少ないデータで良い結果を出すことが出来ないこともない。が、最新技術とはいえ銀の弾丸ではないのが通常で、例えlightweightGANがでたからと言って、100枚で学習できます！とか勝手に広がると困っちゃう。色んなタスクにおいて、まぁ大体どんなタスクも一般的にはこんなもんよっ

                                                                          Deep Learningの各種タスクにおけるベンチデータセットとデータ数をまとめた - Qiita

                                                                        • 詳説 Deep Learning

                                                                          エンタープライズ向けのディープラーニングの解説書。企業でディープラーニングアプリケーションを開発、運用するための実践的な手法を紹介します。対象読者はソフトウェア開発の現場で活躍する実務者。前半はディープラーニング初心者、後半はJavaエンジニア向けの構成です。機械学習、ニューラルネットワークの基礎から始め、ディープラーニングの基本的な概念、実際にチューニングを行う際のベストプラクティス、データのETL（抽出・変換・ロード）の方法、Apache Sparkを用いた並列化について、JavaライブラリDeep Learning4J（DL4J）の開発者でもある著者がわかりやすく丁寧に解説します。 日本のAIコミュニティの方々へ 監訳者まえがき まえがき 1章　機械学習の概要 1.1　学習する機械 1.1.1　機械が学習するには 1.1.2　生物学というヒント 1.1.3　ディープラーニングとは 1

                                                                            詳説 Deep Learning

                                                                          • Deep Learning Drizzle

                                                                            Deep Learning (Deep Neural Networks) S.No Course Name University/Instructor(s) Course WebPage Lecture Videos Year

                                                                            • M1搭載Macの環境を汚さずにDeep Learningしたい！（Docker, PyTorch, TensorFlow, VSCode, Jupyter） - Qiita

                                                                              M1搭載Macの環境を汚さずにDeep Learningしたい！（Docker, PyTorch, TensorFlow, VSCode, Jupyter）MacDeepLearningDockerVSCodeM1 DockerでDeep Learningしたいが、、、 せっかく新しく買ったM1搭載Macなのだから、環境はできるだけ汚さずに開発したいなぁ、という方は少なくないと思われます。 環境をクリーンに保つ方法の一つがDockerですけれども、 Deep Learningに必要なPyTorchとTensorFlowを両方利用できるいいarm64用Dockerイメージが見つからなかったので、なければ作れということで、作ってみました。 （PyTorchのビルドは何の苦労もなくできましたが、TensorFlowのビルドが辛いこと辛いこと、、、ビルドを開始して数時間経過後にエラーやらOut o

                                                                                M1搭載Macの環境を汚さずにDeep Learningしたい！（Docker, PyTorch, TensorFlow, VSCode, Jupyter） - Qiita

                                                                              • ゼロから作るDeep Learning ❹

                                                                                人気シリーズの第4弾。今回のテーマは強化学習です。実際のコードを提示し動かしながら学ぶという本シリーズのスタイルを踏襲し、外部ライブラリに頼らず、強化学習を支える基本的な技術やアイデアをゼロから実装しながら学びます。本書では読者が強化学習独特の理論を確実にマスターできるように、強化学習という難解なテーマの構成要素の一つひとつを「理論」と「実践」の双方から丁寧に解説します。数式だけで説明する理論書とは異なり、読者はコードを通してハッとする気づきを数多く得られるでしょう。 関連ファイル サンプルコード 正誤表 ここで紹介する正誤表には、書籍発行後に気づいた誤植や更新された情報を掲載しています。以下のリストに記載の年月は、正誤表を作成し、増刷書籍を印刷した月です。お手持ちの書籍では、すでに修正が施されている場合がありますので、書籍最終ページの奥付でお手持ちの書籍の刷版、刷り年月日をご確認の上、ご

                                                                                  ゼロから作るDeep Learning ❹

                                                                                • Deep Learning論文紹介のカレンダー | Advent Calendar 2019 - Qiita

                                                                                  The Qiita Advent Calendar 2019 is supported by the following companies, organizations, and services.

                                                                                    Deep Learning論文紹介のカレンダー | Advent Calendar 2019 - Qiita
                                                                                  1 2 3 4 5 6 7 8 次のページ

                                                                                  新着記事

                                                                                  はてなブックマーク

                                                                                  公式Twitter

                                                                                  はてなのサービス

                                                                                  • App Storeからダウンロード
                                                                                  • Google Playで手に入れよう
                                                                                  Copyright © 2005-2024 Hatena. All Rights Reserved.