Submit Search
Upload
Kerasで可視化いろいろ
•
Download as PPTX, PDF
•
17 likes
•
17,363 views
Masakazu Muraoka
Follow
Kerasで可視化いろいろ
Read less
Read more
Technology
Report
Share
Report
Share
1 of 28
Download now
Recommended
物体検出やセグメンテーションタスクに利用可能な階層的Vision Transformerのサーベイ
近年のHierarchical Vision Transformer
近年のHierarchical Vision Transformer
Yusuke Uchida
Running TFLite and PyTorch Mobile
TFLite_and_PyTorch_Mobile
TFLite_and_PyTorch_Mobile
yusuke shibui
画像認識は現在、仕事・趣味と幅広い場面で欠かせないものとなってきています。その手段として機械学習を用いることももはや常識的になっていると言っても過言ではなく、そのためのチュートリアルも数多くあります。 ただ一方で、機械学習のもとになる「学習データの作り方」についてはあまり情報がありません。 本編では、この「データの取り方、処理方法(下ごしらえ)」にフォーカスした解説を進めていきます。
画像認識モデルを作るための鉄板レシピ
画像認識モデルを作るための鉄板レシピ
Takahiro Kubo
画像センシングシンポジウム (SSII 2019) の企画セッション「深層学習の高速化 〜 高速チップ、分散学習、軽量モデル 〜」の講演資料です。 深層学習モデルを高速化する下記6種類の手法の解説です。 - 畳み込みの分解 (Factorization) - 枝刈り (Pruning) - アーキテクチャ探索 (Neural Architecture Search; NAS) - 早期終了、動的計算グラフ (Early Termination, Dynamic Computation Graph) - 蒸留 (Distillation) - 量子化 (Quantization)
モデル高速化百選
モデル高速化百選
Yusuke Uchida
機械学習のコンペで最近よく使われているアルゴリズムであるTabNetの論文を紹介します。 Arık, Sercan O., and Tomas Pfister. "Tabnet: Attentive interpretable tabular learning." arXiv (2020).
TabNetの論文紹介
TabNetの論文紹介
西岡 賢一郎
Faster Python Meet up LT会 #1(https://faster-python.connpass.com/event/124770/) で使った資料です。
Tensor コアを使った PyTorch の高速化
Tensor コアを使った PyTorch の高速化
Yusuke Fujimoto
SSII2019 オーガナイズドセッション3「深層学習の高速化 ~高速チップ、分散学習、軽量モデル~」 6月14日(金) 10:35〜12:05 (メインホール)
SSII2019OS: 深層学習にかかる時間を短くしてみませんか? ~分散学習の勧め~
SSII2019OS: 深層学習にかかる時間を短くしてみませんか? ~分散学習の勧め~
SSII
PFN金子紘也による東大大学院「融合情報学特別講義Ⅲ」(2022年10月19日)の講義資料です。 ・PFNにとっての計算能力の位置付け ・代表的なDeep Learningの高速化手法 ・なぜ今プロセッサ開発なのか? ・MN-Coreの概要 ・開発チームの働き方 ・最近の成果
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
Recommended
物体検出やセグメンテーションタスクに利用可能な階層的Vision Transformerのサーベイ
近年のHierarchical Vision Transformer
近年のHierarchical Vision Transformer
Yusuke Uchida
Running TFLite and PyTorch Mobile
TFLite_and_PyTorch_Mobile
TFLite_and_PyTorch_Mobile
yusuke shibui
画像認識は現在、仕事・趣味と幅広い場面で欠かせないものとなってきています。その手段として機械学習を用いることももはや常識的になっていると言っても過言ではなく、そのためのチュートリアルも数多くあります。 ただ一方で、機械学習のもとになる「学習データの作り方」についてはあまり情報がありません。 本編では、この「データの取り方、処理方法(下ごしらえ)」にフォーカスした解説を進めていきます。
画像認識モデルを作るための鉄板レシピ
画像認識モデルを作るための鉄板レシピ
Takahiro Kubo
画像センシングシンポジウム (SSII 2019) の企画セッション「深層学習の高速化 〜 高速チップ、分散学習、軽量モデル 〜」の講演資料です。 深層学習モデルを高速化する下記6種類の手法の解説です。 - 畳み込みの分解 (Factorization) - 枝刈り (Pruning) - アーキテクチャ探索 (Neural Architecture Search; NAS) - 早期終了、動的計算グラフ (Early Termination, Dynamic Computation Graph) - 蒸留 (Distillation) - 量子化 (Quantization)
モデル高速化百選
モデル高速化百選
Yusuke Uchida
機械学習のコンペで最近よく使われているアルゴリズムであるTabNetの論文を紹介します。 Arık, Sercan O., and Tomas Pfister. "Tabnet: Attentive interpretable tabular learning." arXiv (2020).
TabNetの論文紹介
TabNetの論文紹介
西岡 賢一郎
Faster Python Meet up LT会 #1(https://faster-python.connpass.com/event/124770/) で使った資料です。
Tensor コアを使った PyTorch の高速化
Tensor コアを使った PyTorch の高速化
Yusuke Fujimoto
SSII2019 オーガナイズドセッション3「深層学習の高速化 ~高速チップ、分散学習、軽量モデル~」 6月14日(金) 10:35〜12:05 (メインホール)
SSII2019OS: 深層学習にかかる時間を短くしてみませんか? ~分散学習の勧め~
SSII2019OS: 深層学習にかかる時間を短くしてみませんか? ~分散学習の勧め~
SSII
PFN金子紘也による東大大学院「融合情報学特別講義Ⅲ」(2022年10月19日)の講義資料です。 ・PFNにとっての計算能力の位置付け ・代表的なDeep Learningの高速化手法 ・なぜ今プロセッサ開発なのか? ・MN-Coreの概要 ・開発チームの働き方 ・最近の成果
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
NumPyのちょっと不思議な挙動などをまとめた資料です。クイズ形式で紹介&解説をします。 PFIセミナー2016/01/28:NumPy闇入門 https://www.youtube.com/watch?v=fdLKVMCrzNE 2016/3/20 問題の一部を修正
NumPy闇入門
NumPy闇入門
Ryosuke Okuta
cvpaper.challenge の メタサーベイ発表スライドです。 cvpaper.challengeはコンピュータビジョン分野の今を映し、トレンドを創り出す挑戦です。論文サマリ作成・アイディア考案・議論・実装・論文投稿に取り組み、凡ゆる知識を共有します。 http://xpaperchallenge.org/cv/
【メタサーベイ】数式ドリブン教師あり学習
【メタサーベイ】数式ドリブン教師あり学習
cvpaper. challenge
2012年の画像認識コンペティションILSVRCにおけるAlexNetの登場以降,画像認識においては畳み込みニューラルネットワーク (CNN) を用いることがデファクトスタンダードとなった.CNNは画像分類だけではなく,セグメンテーションや物体検出など様々なタスクを解くためのベースネットワークとしても広く利用されてきている.本講演では,AlexNet以降の代表的なCNNの変遷を振り返るとともに,近年提案されている様々なCNNの改良手法についてサーベイを行い,それらを幾つかのアプローチに分類し,解説する.更に,実用上重要な高速化手法について、畳み込みの分解や枝刈り等の分類を行い,それぞれ解説を行う. Recent Advances in Convolutional Neural Networks and Accelerating DNNs 第21回ステアラボ人工知能セミナー講演資料 https://stair.connpass.com/event/126556/
畳み込みニューラルネットワークの高精度化と高速化
畳み込みニューラルネットワークの高精度化と高速化
Yusuke Uchida
2016/9/16 Deep Learning JP: http://deeplearning.jp/seminar-2/
[DL輪読会]Wavenet a generative model for raw audio
[DL輪読会]Wavenet a generative model for raw audio
Deep Learning JP
SHAPライブラリの計算の仕組みを知るために、木構造を対象とした論文を読み、理解できた内容をまとめた。
SHAP値の考え方を理解する(木構造編)
SHAP値の考え方を理解する(木構造編)
Kazuyuki Wakasugi
cvpaper.challenge2019のMeta Study Groupでの発表スライド 点群深層学習についてのサーベイ ( https://www.slideshare.net/naoyachiba18/ss-120302579 )を経た上でのMeta Study
点群深層学習 Meta-study
点群深層学習 Meta-study
Naoya Chiba
第28回言語処理学会年次大会での発表スライド
Transformerを多層にする際の勾配消失問題と解決法について
Transformerを多層にする際の勾配消失問題と解決法について
Sho Takase
残差接続の特性とその理論的証明
帰納バイアスが成立する条件
帰納バイアスが成立する条件
Shinobu KINJO
2020年8月1日 Deep Learning Digital Conference [Track2-8] Tensorflow Liteの量子化アーキテクチャ のセッション資料です
Tensorflow Liteの量子化アーキテクチャ
Tensorflow Liteの量子化アーキテクチャ
HitoshiSHINABE1
2019年以来のlong-tailed classificationについて紹介
Long-Tailed Classificationの最新動向について
Long-Tailed Classificationの最新動向について
Plot Hong
藤井 流華, 岡本 一志: モデルベース協調フィルタリングにおける推薦の透明性に関する検討, Webインテリジェンスとインタラクション研究会 第13回研究会, 2018.12.03
モデルベース協調フィルタリングにおける推薦の透明性に関する検討
モデルベース協調フィルタリングにおける推薦の透明性に関する検討
Okamoto Laboratory, The University of Electro-Communications
Normalization of microarray
Normalization of microarray
弘毅 露崎
cvpaper.challenge の メタサーベイ発表スライドです。 cvpaper.challengeはコンピュータビジョン分野の今を映し、トレンドを創り出す挑戦です。論文サマリ作成・アイディア考案・議論・実装・論文投稿に取り組み、凡ゆる知識を共有します。 http://xpaperchallenge.org/cv/
効率的学習 / Efficient Training(メタサーベイ)
効率的学習 / Efficient Training(メタサーベイ)
cvpaper. challenge
2017年12月に開催されたパターン認識・メディア理解研究会(PRMU)にて発表した畳み込みニューラルネットワークのサーベイ 「2012年の画像認識コンペティションILSVRCにおけるAlexNetの登場以降,画像認識においては畳み込みニューラルネットワーク (CNN) を用いることがデファクトスタンダードとなった.ILSVRCでは毎年のように新たなCNNのモデルが提案され,一貫して認識精度の向上に寄与してきた.CNNは画像分類だけではなく,セグメンテーションや物体検出など様々なタスクを解くためのベースネットワークとしても広く利用されてきている. 本稿では,AlexNet以降の代表的なCNNの変遷を振り返るとともに,近年提案されている様々なCNNの改良手法についてサーベイを行い,それらを幾つかのアプローチに分類し,解説する.更に,代表的なモデルについて複数のデータセットを用いて学習および網羅的な精度評価を行い,各モデルの精度および学習時間の傾向について議論を行う.」
畳み込みニューラルネットワークの研究動向
畳み込みニューラルネットワークの研究動向
Yusuke Uchida
6/8 (水) 09:45~10:55メイン会場 講師:牛久 祥孝 氏 (オムロンサイニックエックス株式会社) 概要: 2017年に機械翻訳を対象として提案されたTransformerは、従来の畳込みや再帰を排して自己注意機構を活用したニューラルネットワークである。2019年頃からコンピュータビジョン分野でも急速に応用が進んでおり、より柔軟かつ高精度なネットワーク構造としての地位を確立しつつある。本チュートリアルでは、Transformerおよびその周辺のネットワーク構造について、コンピュータビジョンへの応用を中心とした最前線を概説する。
SSII2022 [TS1] Transformerの最前線〜 畳込みニューラルネットワークの先へ 〜
SSII2022 [TS1] Transformerの最前線〜 畳込みニューラルネットワークの先へ 〜
SSII
決定木は知っているけど、Random Forestって何?という人のためのRandom Forest入門スライドです。
Random Forest による分類
Random Forest による分類
Ken'ichi Matsui
MLOps に基づく AI/ML 実運用最前線 ~画像、動画データにおける MLOps 事例のご紹介~ (映像情報メディア学会2021年冬季大会企画セッション 発表資料) 2021年12月16日 NTTデータ 山口 永
MLOps に基づく AI/ML 実運用最前線 ~画像、動画データにおける MLOps 事例のご紹介~(映像情報メディア学会2021年冬季大会企画セッショ...
MLOps に基づく AI/ML 実運用最前線 ~画像、動画データにおける MLOps 事例のご紹介~(映像情報メディア学会2021年冬季大会企画セッショ...
NTT DATA Technology & Innovation
Introduction to Graph Neural Networks
Graph Neural Networks
Graph Neural Networks
tm1966
CNNが画像のどこに注目しているかを可視化し、判断根拠を示す手法”SmoothGrad”について紹介する。本手法によって、従来手法で課題だったノイズの軽減を行なっている。
SmoothGrad: removing noise by adding noise
SmoothGrad: removing noise by adding noise
harmonylab
20210830 GPU Optimization with PyTorch fixed DLProfとNsight Systemsの紹介(pip installの部分一部修正)
「NVIDIA プロファイラを用いたPyTorch学習最適化手法のご紹介(修正版)」
「NVIDIA プロファイラを用いたPyTorch学習最適化手法のご紹介(修正版)」
ManaMurakami1
Thing.jsについて
Thing.jsについて
Thing.jsについて
Masakazu Muraoka
Html5 and Graphics
Html5 and Graphics
Masakazu Muraoka
More Related Content
What's hot
NumPyのちょっと不思議な挙動などをまとめた資料です。クイズ形式で紹介&解説をします。 PFIセミナー2016/01/28:NumPy闇入門 https://www.youtube.com/watch?v=fdLKVMCrzNE 2016/3/20 問題の一部を修正
NumPy闇入門
NumPy闇入門
Ryosuke Okuta
cvpaper.challenge の メタサーベイ発表スライドです。 cvpaper.challengeはコンピュータビジョン分野の今を映し、トレンドを創り出す挑戦です。論文サマリ作成・アイディア考案・議論・実装・論文投稿に取り組み、凡ゆる知識を共有します。 http://xpaperchallenge.org/cv/
【メタサーベイ】数式ドリブン教師あり学習
【メタサーベイ】数式ドリブン教師あり学習
cvpaper. challenge
2012年の画像認識コンペティションILSVRCにおけるAlexNetの登場以降,画像認識においては畳み込みニューラルネットワーク (CNN) を用いることがデファクトスタンダードとなった.CNNは画像分類だけではなく,セグメンテーションや物体検出など様々なタスクを解くためのベースネットワークとしても広く利用されてきている.本講演では,AlexNet以降の代表的なCNNの変遷を振り返るとともに,近年提案されている様々なCNNの改良手法についてサーベイを行い,それらを幾つかのアプローチに分類し,解説する.更に,実用上重要な高速化手法について、畳み込みの分解や枝刈り等の分類を行い,それぞれ解説を行う. Recent Advances in Convolutional Neural Networks and Accelerating DNNs 第21回ステアラボ人工知能セミナー講演資料 https://stair.connpass.com/event/126556/
畳み込みニューラルネットワークの高精度化と高速化
畳み込みニューラルネットワークの高精度化と高速化
Yusuke Uchida
2016/9/16 Deep Learning JP: http://deeplearning.jp/seminar-2/
[DL輪読会]Wavenet a generative model for raw audio
[DL輪読会]Wavenet a generative model for raw audio
Deep Learning JP
SHAPライブラリの計算の仕組みを知るために、木構造を対象とした論文を読み、理解できた内容をまとめた。
SHAP値の考え方を理解する(木構造編)
SHAP値の考え方を理解する(木構造編)
Kazuyuki Wakasugi
cvpaper.challenge2019のMeta Study Groupでの発表スライド 点群深層学習についてのサーベイ ( https://www.slideshare.net/naoyachiba18/ss-120302579 )を経た上でのMeta Study
点群深層学習 Meta-study
点群深層学習 Meta-study
Naoya Chiba
第28回言語処理学会年次大会での発表スライド
Transformerを多層にする際の勾配消失問題と解決法について
Transformerを多層にする際の勾配消失問題と解決法について
Sho Takase
残差接続の特性とその理論的証明
帰納バイアスが成立する条件
帰納バイアスが成立する条件
Shinobu KINJO
2020年8月1日 Deep Learning Digital Conference [Track2-8] Tensorflow Liteの量子化アーキテクチャ のセッション資料です
Tensorflow Liteの量子化アーキテクチャ
Tensorflow Liteの量子化アーキテクチャ
HitoshiSHINABE1
2019年以来のlong-tailed classificationについて紹介
Long-Tailed Classificationの最新動向について
Long-Tailed Classificationの最新動向について
Plot Hong
藤井 流華, 岡本 一志: モデルベース協調フィルタリングにおける推薦の透明性に関する検討, Webインテリジェンスとインタラクション研究会 第13回研究会, 2018.12.03
モデルベース協調フィルタリングにおける推薦の透明性に関する検討
モデルベース協調フィルタリングにおける推薦の透明性に関する検討
Okamoto Laboratory, The University of Electro-Communications
Normalization of microarray
Normalization of microarray
弘毅 露崎
cvpaper.challenge の メタサーベイ発表スライドです。 cvpaper.challengeはコンピュータビジョン分野の今を映し、トレンドを創り出す挑戦です。論文サマリ作成・アイディア考案・議論・実装・論文投稿に取り組み、凡ゆる知識を共有します。 http://xpaperchallenge.org/cv/
効率的学習 / Efficient Training(メタサーベイ)
効率的学習 / Efficient Training(メタサーベイ)
cvpaper. challenge
2017年12月に開催されたパターン認識・メディア理解研究会(PRMU)にて発表した畳み込みニューラルネットワークのサーベイ 「2012年の画像認識コンペティションILSVRCにおけるAlexNetの登場以降,画像認識においては畳み込みニューラルネットワーク (CNN) を用いることがデファクトスタンダードとなった.ILSVRCでは毎年のように新たなCNNのモデルが提案され,一貫して認識精度の向上に寄与してきた.CNNは画像分類だけではなく,セグメンテーションや物体検出など様々なタスクを解くためのベースネットワークとしても広く利用されてきている. 本稿では,AlexNet以降の代表的なCNNの変遷を振り返るとともに,近年提案されている様々なCNNの改良手法についてサーベイを行い,それらを幾つかのアプローチに分類し,解説する.更に,代表的なモデルについて複数のデータセットを用いて学習および網羅的な精度評価を行い,各モデルの精度および学習時間の傾向について議論を行う.」
畳み込みニューラルネットワークの研究動向
畳み込みニューラルネットワークの研究動向
Yusuke Uchida
6/8 (水) 09:45~10:55メイン会場 講師:牛久 祥孝 氏 (オムロンサイニックエックス株式会社) 概要: 2017年に機械翻訳を対象として提案されたTransformerは、従来の畳込みや再帰を排して自己注意機構を活用したニューラルネットワークである。2019年頃からコンピュータビジョン分野でも急速に応用が進んでおり、より柔軟かつ高精度なネットワーク構造としての地位を確立しつつある。本チュートリアルでは、Transformerおよびその周辺のネットワーク構造について、コンピュータビジョンへの応用を中心とした最前線を概説する。
SSII2022 [TS1] Transformerの最前線〜 畳込みニューラルネットワークの先へ 〜
SSII2022 [TS1] Transformerの最前線〜 畳込みニューラルネットワークの先へ 〜
SSII
決定木は知っているけど、Random Forestって何?という人のためのRandom Forest入門スライドです。
Random Forest による分類
Random Forest による分類
Ken'ichi Matsui
MLOps に基づく AI/ML 実運用最前線 ~画像、動画データにおける MLOps 事例のご紹介~ (映像情報メディア学会2021年冬季大会企画セッション 発表資料) 2021年12月16日 NTTデータ 山口 永
MLOps に基づく AI/ML 実運用最前線 ~画像、動画データにおける MLOps 事例のご紹介~(映像情報メディア学会2021年冬季大会企画セッショ...
MLOps に基づく AI/ML 実運用最前線 ~画像、動画データにおける MLOps 事例のご紹介~(映像情報メディア学会2021年冬季大会企画セッショ...
NTT DATA Technology & Innovation
Introduction to Graph Neural Networks
Graph Neural Networks
Graph Neural Networks
tm1966
CNNが画像のどこに注目しているかを可視化し、判断根拠を示す手法”SmoothGrad”について紹介する。本手法によって、従来手法で課題だったノイズの軽減を行なっている。
SmoothGrad: removing noise by adding noise
SmoothGrad: removing noise by adding noise
harmonylab
20210830 GPU Optimization with PyTorch fixed DLProfとNsight Systemsの紹介(pip installの部分一部修正)
「NVIDIA プロファイラを用いたPyTorch学習最適化手法のご紹介(修正版)」
「NVIDIA プロファイラを用いたPyTorch学習最適化手法のご紹介(修正版)」
ManaMurakami1
What's hot
(20)
NumPy闇入門
NumPy闇入門
【メタサーベイ】数式ドリブン教師あり学習
【メタサーベイ】数式ドリブン教師あり学習
畳み込みニューラルネットワークの高精度化と高速化
畳み込みニューラルネットワークの高精度化と高速化
[DL輪読会]Wavenet a generative model for raw audio
[DL輪読会]Wavenet a generative model for raw audio
SHAP値の考え方を理解する(木構造編)
SHAP値の考え方を理解する(木構造編)
点群深層学習 Meta-study
点群深層学習 Meta-study
Transformerを多層にする際の勾配消失問題と解決法について
Transformerを多層にする際の勾配消失問題と解決法について
帰納バイアスが成立する条件
帰納バイアスが成立する条件
Tensorflow Liteの量子化アーキテクチャ
Tensorflow Liteの量子化アーキテクチャ
Long-Tailed Classificationの最新動向について
Long-Tailed Classificationの最新動向について
モデルベース協調フィルタリングにおける推薦の透明性に関する検討
モデルベース協調フィルタリングにおける推薦の透明性に関する検討
Normalization of microarray
Normalization of microarray
効率的学習 / Efficient Training(メタサーベイ)
効率的学習 / Efficient Training(メタサーベイ)
畳み込みニューラルネットワークの研究動向
畳み込みニューラルネットワークの研究動向
SSII2022 [TS1] Transformerの最前線〜 畳込みニューラルネットワークの先へ 〜
SSII2022 [TS1] Transformerの最前線〜 畳込みニューラルネットワークの先へ 〜
Random Forest による分類
Random Forest による分類
MLOps に基づく AI/ML 実運用最前線 ~画像、動画データにおける MLOps 事例のご紹介~(映像情報メディア学会2021年冬季大会企画セッショ...
MLOps に基づく AI/ML 実運用最前線 ~画像、動画データにおける MLOps 事例のご紹介~(映像情報メディア学会2021年冬季大会企画セッショ...
Graph Neural Networks
Graph Neural Networks
SmoothGrad: removing noise by adding noise
SmoothGrad: removing noise by adding noise
「NVIDIA プロファイラを用いたPyTorch学習最適化手法のご紹介(修正版)」
「NVIDIA プロファイラを用いたPyTorch学習最適化手法のご紹介(修正版)」
Similar to Kerasで可視化いろいろ
Thing.jsについて
Thing.jsについて
Thing.jsについて
Masakazu Muraoka
Html5 and Graphics
Html5 and Graphics
Masakazu Muraoka
Htmlのコトバ
Htmlのコトバ
Masakazu Muraoka
Swaggerのさわりだけ
Swaggerのさわりだけ
Masakazu Muraoka
Html5でOpen Dataをやってみる
Html5でOpen Dataをやってみる
Masakazu Muraoka
HTML5でOpen Dataをやってみた
HTML5でOpen Dataをやってみた
Masakazu Muraoka
HTML5が最近どうなっていて何があぶなっかしいのか?
HTML5が最近どうなっていて何があぶなっかしいのか?
Masakazu Muraoka
FxOSはウェアラブルデバイスの夢を見るか?
FxOSはウェアラブルデバイスの夢を見るか?
Masakazu Muraoka
Espruinoの紹介
Espruinoの紹介
Masakazu Muraoka
Web屋という仕事のこれから 〜Web動向からWeb屋に必要な技術を考えてみる〜 FutureSync Vol.5 で発表したスライドです。 タイトルは釣りです。前半はほぼネタです。 中身はJavaScriptで動作するデバイスは楽しいからみんなやってみたら? という内容です。
Web屋という仕事のこれから Web動向からWeb屋に必要な技術を考えてみる
Web屋という仕事のこれから Web動向からWeb屋に必要な技術を考えてみる
Masakazu Muraoka
2013年6月8日に大阪で開催された「第7回HTML5など勉強会」で使ったプレゼン資料です。
いまさら聞けない!?Backbone.js 超入門
いまさら聞けない!?Backbone.js 超入門
Kohei Kadowaki
Gaiaのソースコードに見るちょっと未来のweb app開発
Gaiaのソースコードに見るちょっと未来のweb app開発
Masakazu Muraoka
react-jsonschema-formについて
react-jsonschema-formについて
react-jsonschema-formについて
Masakazu Muraoka
Yeomanではじめる爆速webアプリ開発
Yeomanではじめる爆速webアプリ開発
Masakazu Muraoka
AMD basic and practice
AMD basic and practice
Masakazu Muraoka
Azure DevOps and Azure's compliance feature.
DevOps and Compliance and Security
DevOps and Compliance and Security
Kazushi Kamegawa
Mozapps installがなくなったことへの不平不満
Mozapps installがなくなったことへの不平不満
Mozapps installがなくなったことへの不平不満
Masakazu Muraoka
HTML5について私が感じる魅力を語る 2010/04/29
Attractive HTML5
Attractive HTML5
Sho Ito
https://jjug.doorkeeper.jp/events/66256 こちらのイベントで発表させていただいた際の資料です。 JavaOne2017のMicroservices系の話題に関する内容となっております。
JavaOne2017参加報告 Microservices topic & approach #jjug
JavaOne2017参加報告 Microservices topic & approach #jjug
Yahoo!デベロッパーネットワーク
2013年1月5日(土)CSS Nite in SAPPORO, Vol.8 with 札幌IT飲み会 「新春ライトニングトーク大会」で話した内容です。
インフォグラフィックス時代のD3.js入門
インフォグラフィックス時代のD3.js入門
貴寛 益子
Similar to Kerasで可視化いろいろ
(20)
Thing.jsについて
Thing.jsについて
Html5 and Graphics
Html5 and Graphics
Htmlのコトバ
Htmlのコトバ
Swaggerのさわりだけ
Swaggerのさわりだけ
Html5でOpen Dataをやってみる
Html5でOpen Dataをやってみる
HTML5でOpen Dataをやってみた
HTML5でOpen Dataをやってみた
HTML5が最近どうなっていて何があぶなっかしいのか?
HTML5が最近どうなっていて何があぶなっかしいのか?
FxOSはウェアラブルデバイスの夢を見るか?
FxOSはウェアラブルデバイスの夢を見るか?
Espruinoの紹介
Espruinoの紹介
Web屋という仕事のこれから Web動向からWeb屋に必要な技術を考えてみる
Web屋という仕事のこれから Web動向からWeb屋に必要な技術を考えてみる
いまさら聞けない!?Backbone.js 超入門
いまさら聞けない!?Backbone.js 超入門
Gaiaのソースコードに見るちょっと未来のweb app開発
Gaiaのソースコードに見るちょっと未来のweb app開発
react-jsonschema-formについて
react-jsonschema-formについて
Yeomanではじめる爆速webアプリ開発
Yeomanではじめる爆速webアプリ開発
AMD basic and practice
AMD basic and practice
DevOps and Compliance and Security
DevOps and Compliance and Security
Mozapps installがなくなったことへの不平不満
Mozapps installがなくなったことへの不平不満
Attractive HTML5
Attractive HTML5
JavaOne2017参加報告 Microservices topic & approach #jjug
JavaOne2017参加報告 Microservices topic & approach #jjug
インフォグラフィックス時代のD3.js入門
インフォグラフィックス時代のD3.js入門
More from Masakazu Muraoka
Async awaitでの繰り返し処理についての小話
Async awaitでの繰り返し処理についての小話
Async awaitでの繰り返し処理についての小話
Masakazu Muraoka
Fetch apiについて
Fetch apiについて
Fetch apiについて
Masakazu Muraoka
JS非同期処理のいま
JS非同期処理のいま
JS非同期処理のいま
Masakazu Muraoka
JavaScriptでHTTPリクエストをする普通のことをします。
JavaScriptで ごく普通にhttp通信をする 〜esp8266+espruinoでhttp getリクエストをするテスト〜
JavaScriptで ごく普通にhttp通信をする 〜esp8266+espruinoでhttp getリクエストをするテスト〜
Masakazu Muraoka
実はとれました。System xhrでcsv形式のopen dataを取得する
実はとれました。System xhrでcsv形式のopen dataを取得する
Masakazu Muraoka
HTML5 and Graphics
HTML5 and Graphics
Masakazu Muraoka
Async flow controll basic and practice
Async flow controll basic and practice
Masakazu Muraoka
JAWS-UGにゴマをすろうと思ってAWSでHTML5してみた
JAWS-UGにゴマをすろうと思ってAWSでHTML5してみた
Masakazu Muraoka
MarkupCafe(マークアップカフェ)は、html5j マークアップ部が主催するHTMLのマークアップを、ゲーム感覚で楽しむイベントです。 気軽に参加できて、みんなで話し合いながらHTMLマークアップについての知識を深めることができます。プロのWebデザイナーから初心者まで、みんなで気軽に会話しながらイマドキのHTMLマークアップの答えをさがしていきましょう!
MarkupCafe - html5j Markup group
MarkupCafe - html5j Markup group
Masakazu Muraoka
つかってみよう!Yeoman 〜riaビルドツール超入門+α〜
つかってみよう!Yeoman 〜riaビルドツール超入門+α〜
Masakazu Muraoka
ボクたちのWWW Webクリエイターのこれからを考える
ボクたちのWWW Webクリエイターのこれからを考える
Masakazu Muraoka
Yeomanの基礎からちょっとした応用までを紹介。 Chrome+HTML5 Developers Live Japan #4 https://plus.google.com/events/c9p1aclqe3fhl6gpo9p5hj4a01g のライブ配信用スライドです。
つかってみよう!Yeoman 〜HTML5 Webアプリ開発を効率化するツールの紹介〜
つかってみよう!Yeoman 〜HTML5 Webアプリ開発を効率化するツールの紹介〜
Masakazu Muraoka
Yeoman RIAビルドツール超入門
Yeoman RIAビルドツール超入門
Masakazu Muraoka
Webセキュリティ 3つの視点から考えるサイバー攻撃と自分
Webセキュリティ 3つの視点から考えるサイバー攻撃と自分
Masakazu Muraoka
IE6をやめようと思ってももう手遅れ
IE6をやめようと思ってももう手遅れ
Masakazu Muraoka
More from Masakazu Muraoka
(15)
Async awaitでの繰り返し処理についての小話
Async awaitでの繰り返し処理についての小話
Fetch apiについて
Fetch apiについて
JS非同期処理のいま
JS非同期処理のいま
JavaScriptで ごく普通にhttp通信をする 〜esp8266+espruinoでhttp getリクエストをするテスト〜
JavaScriptで ごく普通にhttp通信をする 〜esp8266+espruinoでhttp getリクエストをするテスト〜
実はとれました。System xhrでcsv形式のopen dataを取得する
実はとれました。System xhrでcsv形式のopen dataを取得する
HTML5 and Graphics
HTML5 and Graphics
Async flow controll basic and practice
Async flow controll basic and practice
JAWS-UGにゴマをすろうと思ってAWSでHTML5してみた
JAWS-UGにゴマをすろうと思ってAWSでHTML5してみた
MarkupCafe - html5j Markup group
MarkupCafe - html5j Markup group
つかってみよう!Yeoman 〜riaビルドツール超入門+α〜
つかってみよう!Yeoman 〜riaビルドツール超入門+α〜
ボクたちのWWW Webクリエイターのこれからを考える
ボクたちのWWW Webクリエイターのこれからを考える
つかってみよう!Yeoman 〜HTML5 Webアプリ開発を効率化するツールの紹介〜
つかってみよう!Yeoman 〜HTML5 Webアプリ開発を効率化するツールの紹介〜
Yeoman RIAビルドツール超入門
Yeoman RIAビルドツール超入門
Webセキュリティ 3つの視点から考えるサイバー攻撃と自分
Webセキュリティ 3つの視点から考えるサイバー攻撃と自分
IE6をやめようと思ってももう手遅れ
IE6をやめようと思ってももう手遅れ
Recently uploaded
LoRaWAN スマート距離検出デバイスDS20L日本語マニュアル
LoRaWAN スマート距離検出デバイスDS20L日本語マニュアル
LoRaWAN スマート距離検出デバイスDS20L日本語マニュアル
CRI Japan, Inc.
2024/04/26の勉強会で発表されたものです。
Amazon SES を勉強してみる その22024/04/26の勉強会で発表されたものです。
Amazon SES を勉強してみる その22024/04/26の勉強会で発表されたものです。
iPride Co., Ltd.
2024/04/26の勉強会で発表されたものです。
Amazon SES を勉強してみる その32024/04/26の勉強会で発表されたものです。
Amazon SES を勉強してみる その32024/04/26の勉強会で発表されたものです。
iPride Co., Ltd.
2024/04/26の勉強会で発表されたものです。
新人研修 後半 2024/04/26の勉強会で発表されたものです。
新人研修 後半 2024/04/26の勉強会で発表されたものです。
iPride Co., Ltd.
2022年10月27日に社内向けに開催した勉強会資料の社外公開版です(発表8分程度)
Observabilityは従来型の監視と何が違うのか(キンドリルジャパン社内勉強会:2022年10月27日発表)
Observabilityは従来型の監視と何が違うのか(キンドリルジャパン社内勉強会:2022年10月27日発表)
Hiroshi Tomioka
Key topics covered: - Understanding Ballerina's role in integrations: features and advantages - Designing and implementing REST APIs for integration - Designing and implementing GraphQL services with Ballerina - Monitoring and observing applications - Introduction to data integration
Utilizing Ballerina for Cloud Native Integrations
Utilizing Ballerina for Cloud Native Integrations
WSO2
Syed Talal Wasim, Muzammal Naseer, Salman Khan, Ming-Hsuan Yang, Fahad Shahbaz Khan , "Video-GroundingDINO: Towards Open-Vocabulary Spatio-Temporal Video Grounding" arXiv2024 https://arxiv.org/abs/2401.00901v2
論文紹介:Video-GroundingDINO: Towards Open-Vocabulary Spatio-Temporal Video Groun...
論文紹介:Video-GroundingDINO: Towards Open-Vocabulary Spatio-Temporal Video Groun...
Toru Tamaki
2024年5月8日 Power Platform 勉強会 #1 LT資料
知識ゼロの営業マンでもできた!超速で初心者を脱する、悪魔的学習ステップ3選.pptx
知識ゼロの営業マンでもできた!超速で初心者を脱する、悪魔的学習ステップ3選.pptx
sn679259
This is an introduction to MAPPO's paper.
論文紹介: The Surprising Effectiveness of PPO in Cooperative Multi-Agent Games
論文紹介: The Surprising Effectiveness of PPO in Cooperative Multi-Agent Games
atsushi061452
Jue Wang, Wentao Zhu, Pichao Wang, Xiang Yu, Linda Liu, Mohamed Omar, Raffay Hamid, " Selective Structured State-Spaces for Long-Form Video Understanding" CVPR2023 https://openaccess.thecvf.com/content/CVPR2023/html/Wang_Selective_Structured_State-Spaces_for_Long-Form_Video_Understanding_CVPR_2023_paper.html
論文紹介:Selective Structured State-Spaces for Long-Form Video Understanding
論文紹介:Selective Structured State-Spaces for Long-Form Video Understanding
Toru Tamaki
LoRaWANスマート距離検出センサー DS20Lカタログ
LoRaWANスマート距離検出センサー DS20L カタログ LiDARデバイス
LoRaWANスマート距離検出センサー DS20L カタログ LiDARデバイス
CRI Japan, Inc.
Recently uploaded
(11)
LoRaWAN スマート距離検出デバイスDS20L日本語マニュアル
LoRaWAN スマート距離検出デバイスDS20L日本語マニュアル
Amazon SES を勉強してみる その22024/04/26の勉強会で発表されたものです。
Amazon SES を勉強してみる その22024/04/26の勉強会で発表されたものです。
Amazon SES を勉強してみる その32024/04/26の勉強会で発表されたものです。
Amazon SES を勉強してみる その32024/04/26の勉強会で発表されたものです。
新人研修 後半 2024/04/26の勉強会で発表されたものです。
新人研修 後半 2024/04/26の勉強会で発表されたものです。
Observabilityは従来型の監視と何が違うのか(キンドリルジャパン社内勉強会:2022年10月27日発表)
Observabilityは従来型の監視と何が違うのか(キンドリルジャパン社内勉強会:2022年10月27日発表)
Utilizing Ballerina for Cloud Native Integrations
Utilizing Ballerina for Cloud Native Integrations
論文紹介:Video-GroundingDINO: Towards Open-Vocabulary Spatio-Temporal Video Groun...
論文紹介:Video-GroundingDINO: Towards Open-Vocabulary Spatio-Temporal Video Groun...
知識ゼロの営業マンでもできた!超速で初心者を脱する、悪魔的学習ステップ3選.pptx
知識ゼロの営業マンでもできた!超速で初心者を脱する、悪魔的学習ステップ3選.pptx
論文紹介: The Surprising Effectiveness of PPO in Cooperative Multi-Agent Games
論文紹介: The Surprising Effectiveness of PPO in Cooperative Multi-Agent Games
論文紹介:Selective Structured State-Spaces for Long-Form Video Understanding
論文紹介:Selective Structured State-Spaces for Long-Form Video Understanding
LoRaWANスマート距離検出センサー DS20L カタログ LiDARデバイス
LoRaWANスマート距離検出センサー DS20L カタログ LiDARデバイス
Kerasで可視化いろいろ
1.
Kerasで可視化いろいろ 2017.4.26 Developers in KOBE
Vol. 13 BathTimeFish 村岡 正和
2.
HTML5-WEST.jp代表 / html5j
マークアップ部 部長 / HTML5 Experts.jp メンバー NPO法人日本ウェアラブルデバイスユーザー会理事 神戸市ウェアラブルデバイス推進会議メンバーなど むらおか まさかず 村岡正和 Webアプリケーション開発 IT業務システム設計/開発 Webサービス導入/事業戦略コンサルティング 神戸デジタル・ラボ 社外取締役 @bathtimefish HTML5-WEST.jp
3.
ボクでも使えるDeep Learningツール https://keras.io/
4.
今日はKerasで学習させるときに使う データ可視化方法をいくつか紹介します。
5.
https://github.com/bathtimefish/keras-visualization-example ソースコードは上げてあります
6.
材 料 https://github.com/fchollet/keras/blob/master/examples/mnist_cnn.py mnist手書き文字認識 を畳み込み2層でやってるKerasのサンプル
7.
1層目 フィルタ数 32 1層目
フィルタ数 64 softmaxで10種の確率を出す 勾配降下の最適化法 AdaDelta
8.
学習結果を保存する
9.
https://keras.io/ja/callbacks/#tensorboard
10.
モデルをJSON形式で出力 HDF5形式で保存する history.historyがまんまプロットデータ
11.
モデルを可視化する
12.
model_from_json でモデルを読み込み plot_model でpng形式で保存 https://github.com/bathtimefish/keras-visualization-example/blob/master/load_model.py
13.
14.
畳み込み層の特徴マップを可視化する
15.
model_from_json でモデルを読み込み load_weightsで重みを読み込み 畳み込み1層目(model.layers[0])の重みを取得 転置 https://github.com/bathtimefish/keras-visualization-example/blob/master/load_weights.py
16.
pyplotで画像化して表示
17.
18.
学習経過をグラフ化する
19.
pickleをロード pyplotで画像化して表示 https://github.com/bathtimefish/keras-visualization-example/blob/master/load_history.py
20.
21.
TensorBoardで表示する
22.
btf$ tensorboard --logdir
./graph/ Starting TensorBoard b'41' on port 6006 (You can navigate to http://192.168.7.27:6006) ログのディレクトリを指定してTensorBoardを起動
23.
24.
まとめ Kerasはいろいろ簡単だけど可視化も手軽にできる。 学習がうまくいってるかを確認するのにはこういっ た可視化を頻繁に使うので覚えて置くと便利かもで す。
25.
おまけ
26.
5/6, 7 に
078 Kobe が開催されます。
27.
AI入りChatBot展示するので見に来てね。
28.
Thanks !
Download now