Enviar pesquisa
Carregar
TensorFlow 入門
•
11 gostaram
•
6,099 visualizações
Takenori Nakagawa
Seguir
2016/2/26 株式会社インフィニットループ社内勉強会資料
Leia menos
Leia mais
Tecnologia
Vista de apresentação de diapositivos
Denunciar
Compartilhar
Vista de apresentação de diapositivos
Denunciar
Compartilhar
1 de 29
Baixar agora
Baixar para ler offline
Recomendados
TensorFlowで逆強化学習
TensorFlowで逆強化学習
Mitsuhisa Ohta
TensorFlowで遊んでみよう!
TensorFlowで遊んでみよう!
Kei Hirata
機械学習ライブラリ : TensorFlow
機械学習ライブラリ : TensorFlow
エンジニア勉強会 エスキュービズム
Tensorflow
Tensorflow
Hakky St
思いついたアルゴリズムを TensorFlow で実装してみた話
思いついたアルゴリズムを TensorFlow で実装してみた話
Shuhei Fujiwara
ディープラーニングゼミ TensorFlowで学ぶ理論と実践
ディープラーニングゼミ TensorFlowで学ぶ理論と実践
Yota Ishida
TensorFlowによるCNNアーキテクチャ構築
TensorFlowによるCNNアーキテクチャ構築
Hirokatsu Kataoka
開発者からみたTensor flow
開発者からみたTensor flow
Hideo Kinami
Recomendados
TensorFlowで逆強化学習
TensorFlowで逆強化学習
Mitsuhisa Ohta
TensorFlowで遊んでみよう!
TensorFlowで遊んでみよう!
Kei Hirata
機械学習ライブラリ : TensorFlow
機械学習ライブラリ : TensorFlow
エンジニア勉強会 エスキュービズム
Tensorflow
Tensorflow
Hakky St
思いついたアルゴリズムを TensorFlow で実装してみた話
思いついたアルゴリズムを TensorFlow で実装してみた話
Shuhei Fujiwara
ディープラーニングゼミ TensorFlowで学ぶ理論と実践
ディープラーニングゼミ TensorFlowで学ぶ理論と実践
Yota Ishida
TensorFlowによるCNNアーキテクチャ構築
TensorFlowによるCNNアーキテクチャ構築
Hirokatsu Kataoka
開発者からみたTensor flow
開発者からみたTensor flow
Hideo Kinami
TensorFlowをざっくりLTしてみた
TensorFlowをざっくりLTしてみた
Mitsuki Ogasahara
AI入門「第1回:AIの歴史とTensorFlow」
AI入門「第1回:AIの歴史とTensorFlow」
fukuoka.ex
Tensorflowで言語識別をやってみた
Tensorflowで言語識別をやってみた
Kyota Yasuda
Meta-Learning with Memory Augmented Neural Network
Meta-Learning with Memory Augmented Neural Network
Yusuke Watanabe
「TensorFlow Tutorialの数学的背景」 クイックツアー(パート1)
「TensorFlow Tutorialの数学的背景」 クイックツアー(パート1)
Etsuji Nakai
Basic deep learning_framework
Basic deep learning_framework
KazuhiroSato8
内省するTensorFlow
内省するTensorFlow
Yoshiyuki Kakihara
深層学習フレームワークChainerの特徴
深層学習フレームワークChainerの特徴
Yuya Unno
ディープラーニングで株価予測をやってみた
ディープラーニングで株価予測をやってみた
卓也 安東
Dropout Distillation
Dropout Distillation
Shotaro Sano
もう学習は機械に任せたい2 -ディープラーニングの逆襲-
もう学習は機械に任せたい2 -ディープラーニングの逆襲-
Kosuke Sugahara
Facebookの人工知能アルゴリズム「memory networks」について調べてみた
Facebookの人工知能アルゴリズム「memory networks」について調べてみた
株式会社メタップスホールディングス
2016tf study5
2016tf study5
Shin Asakawa
Learning to forget continual prediction with lstm
Learning to forget continual prediction with lstm
Fujimoto Keisuke
全脳アーキテクチャ若手の会20170131
全脳アーキテクチャ若手の会20170131
Hangyo Masatsugu
Development and Experiment of Deep Learning with Caffe and maf
Development and Experiment of Deep Learning with Caffe and maf
Kenta Oono
NIPS2013読み会: Distributed Representations of Words and Phrases and their Compo...
NIPS2013読み会: Distributed Representations of Words and Phrases and their Compo...
Yuya Unno
子供の言語獲得と機械の言語獲得
子供の言語獲得と機械の言語獲得
Yuya Unno
Chainerのテスト環境とDockerでのCUDAの利用
Chainerのテスト環境とDockerでのCUDAの利用
Yuya Unno
言語と知識の深層学習@認知科学会サマースクール
言語と知識の深層学習@認知科学会サマースクール
Yuya Unno
機械学習を用いたパターンロック認証の強化手法
機械学習を用いたパターンロック認証の強化手法
Takenori Nakagawa
Docker で Deep Learning
Docker で Deep Learning
Takenori Nakagawa
Mais conteúdo relacionado
Mais procurados
TensorFlowをざっくりLTしてみた
TensorFlowをざっくりLTしてみた
Mitsuki Ogasahara
AI入門「第1回:AIの歴史とTensorFlow」
AI入門「第1回:AIの歴史とTensorFlow」
fukuoka.ex
Tensorflowで言語識別をやってみた
Tensorflowで言語識別をやってみた
Kyota Yasuda
Meta-Learning with Memory Augmented Neural Network
Meta-Learning with Memory Augmented Neural Network
Yusuke Watanabe
「TensorFlow Tutorialの数学的背景」 クイックツアー(パート1)
「TensorFlow Tutorialの数学的背景」 クイックツアー(パート1)
Etsuji Nakai
Basic deep learning_framework
Basic deep learning_framework
KazuhiroSato8
内省するTensorFlow
内省するTensorFlow
Yoshiyuki Kakihara
深層学習フレームワークChainerの特徴
深層学習フレームワークChainerの特徴
Yuya Unno
ディープラーニングで株価予測をやってみた
ディープラーニングで株価予測をやってみた
卓也 安東
Dropout Distillation
Dropout Distillation
Shotaro Sano
もう学習は機械に任せたい2 -ディープラーニングの逆襲-
もう学習は機械に任せたい2 -ディープラーニングの逆襲-
Kosuke Sugahara
Facebookの人工知能アルゴリズム「memory networks」について調べてみた
Facebookの人工知能アルゴリズム「memory networks」について調べてみた
株式会社メタップスホールディングス
2016tf study5
2016tf study5
Shin Asakawa
Learning to forget continual prediction with lstm
Learning to forget continual prediction with lstm
Fujimoto Keisuke
全脳アーキテクチャ若手の会20170131
全脳アーキテクチャ若手の会20170131
Hangyo Masatsugu
Development and Experiment of Deep Learning with Caffe and maf
Development and Experiment of Deep Learning with Caffe and maf
Kenta Oono
NIPS2013読み会: Distributed Representations of Words and Phrases and their Compo...
NIPS2013読み会: Distributed Representations of Words and Phrases and their Compo...
Yuya Unno
子供の言語獲得と機械の言語獲得
子供の言語獲得と機械の言語獲得
Yuya Unno
Chainerのテスト環境とDockerでのCUDAの利用
Chainerのテスト環境とDockerでのCUDAの利用
Yuya Unno
言語と知識の深層学習@認知科学会サマースクール
言語と知識の深層学習@認知科学会サマースクール
Yuya Unno
Mais procurados
(20)
TensorFlowをざっくりLTしてみた
TensorFlowをざっくりLTしてみた
AI入門「第1回:AIの歴史とTensorFlow」
AI入門「第1回:AIの歴史とTensorFlow」
Tensorflowで言語識別をやってみた
Tensorflowで言語識別をやってみた
Meta-Learning with Memory Augmented Neural Network
Meta-Learning with Memory Augmented Neural Network
「TensorFlow Tutorialの数学的背景」 クイックツアー(パート1)
「TensorFlow Tutorialの数学的背景」 クイックツアー(パート1)
Basic deep learning_framework
Basic deep learning_framework
内省するTensorFlow
内省するTensorFlow
深層学習フレームワークChainerの特徴
深層学習フレームワークChainerの特徴
ディープラーニングで株価予測をやってみた
ディープラーニングで株価予測をやってみた
Dropout Distillation
Dropout Distillation
もう学習は機械に任せたい2 -ディープラーニングの逆襲-
もう学習は機械に任せたい2 -ディープラーニングの逆襲-
Facebookの人工知能アルゴリズム「memory networks」について調べてみた
Facebookの人工知能アルゴリズム「memory networks」について調べてみた
2016tf study5
2016tf study5
Learning to forget continual prediction with lstm
Learning to forget continual prediction with lstm
全脳アーキテクチャ若手の会20170131
全脳アーキテクチャ若手の会20170131
Development and Experiment of Deep Learning with Caffe and maf
Development and Experiment of Deep Learning with Caffe and maf
NIPS2013読み会: Distributed Representations of Words and Phrases and their Compo...
NIPS2013読み会: Distributed Representations of Words and Phrases and their Compo...
子供の言語獲得と機械の言語獲得
子供の言語獲得と機械の言語獲得
Chainerのテスト環境とDockerでのCUDAの利用
Chainerのテスト環境とDockerでのCUDAの利用
言語と知識の深層学習@認知科学会サマースクール
言語と知識の深層学習@認知科学会サマースクール
Mais de Takenori Nakagawa
機械学習を用いたパターンロック認証の強化手法
機械学習を用いたパターンロック認証の強化手法
Takenori Nakagawa
Docker で Deep Learning
Docker で Deep Learning
Takenori Nakagawa
GitHub Travis-CI Go!
GitHub Travis-CI Go!
Takenori Nakagawa
01.app
01.app
Takenori Nakagawa
Service Workers Push API Hands-on
Service Workers Push API Hands-on
Takenori Nakagawa
Service Workers
Service Workers
Takenori Nakagawa
OpenGL 3DCG
OpenGL 3DCG
Takenori Nakagawa
WebGL
WebGL
Takenori Nakagawa
01:artificial life
01:artificial life
Takenori Nakagawa
後期05
後期05
Takenori Nakagawa
後期03
後期03
Takenori Nakagawa
後期02
後期02
Takenori Nakagawa
densan2014-late01
densan2014-late01
Takenori Nakagawa
phpck
phpck
Takenori Nakagawa
Git 初心者のための GitHub Pages
Git 初心者のための GitHub Pages
Takenori Nakagawa
OpenIL vol.1
OpenIL vol.1
Takenori Nakagawa
後期講座08
後期講座08
Takenori Nakagawa
後期講座07
後期講座07
Takenori Nakagawa
後期講座05
後期講座05
Takenori Nakagawa
後期講座03
後期講座03
Takenori Nakagawa
Mais de Takenori Nakagawa
(20)
機械学習を用いたパターンロック認証の強化手法
機械学習を用いたパターンロック認証の強化手法
Docker で Deep Learning
Docker で Deep Learning
GitHub Travis-CI Go!
GitHub Travis-CI Go!
01.app
01.app
Service Workers Push API Hands-on
Service Workers Push API Hands-on
Service Workers
Service Workers
OpenGL 3DCG
OpenGL 3DCG
WebGL
WebGL
01:artificial life
01:artificial life
後期05
後期05
後期03
後期03
後期02
後期02
densan2014-late01
densan2014-late01
phpck
phpck
Git 初心者のための GitHub Pages
Git 初心者のための GitHub Pages
OpenIL vol.1
OpenIL vol.1
後期講座08
後期講座08
後期講座07
後期講座07
後期講座05
後期講座05
後期講座03
後期講座03
Último
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
Utilizing Ballerina for Cloud Native Integrations
Utilizing Ballerina for Cloud Native Integrations
WSO2
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
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
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
NewSQLの可用性構成パターン(OCHaCafe Season 8 #4 発表資料)
NewSQLの可用性構成パターン(OCHaCafe Season 8 #4 発表資料)
NTT DATA Technology & Innovation
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.
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.
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.
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.
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
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.
Último
(12)
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
Utilizing Ballerina for Cloud Native Integrations
Utilizing Ballerina for Cloud Native Integrations
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
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)
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...
NewSQLの可用性構成パターン(OCHaCafe Season 8 #4 発表資料)
NewSQLの可用性構成パターン(OCHaCafe Season 8 #4 発表資料)
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
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。
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
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。
TensorFlow 入門
1.
TensorFlow 入門 機械学習から画像認識まで 株式会社インフィニットループ アルバイト 中川武憲
2.
Agenda ・ 機械学習 ・ Neural
Network ・ TensorFlow ・ 画像認識
3.
Attention 筆者も勉強中のため、所々間違っている箇所 があるかもしれませんが、マサカリは受け取れる ように優しく投げていただけると幸いです。
4.
機械学習 (Machine Learning) ・
データから反復的に学習 ・ 学習結果から未知のデータに対して判断 ・ 学習に用いるデータ: 訓練データ (学習データ) ・ 未知のデータ: 試験データ (テストデータ)
5.
機械学習 - 種類 ・
教師あり学習 → 入力(訓練データ)に対して答え(ラベル)がある ・ 教師なし学習 → 答えの分からない入力しか無い ・ 半教師あり学習 → ラベルのないデータとラベルのあるデータ両方で学習する ・ 強化学習 → 答えは分からないけど、断片的な状態は評価できる
6.
機械学習 - 手法の一部 ・
ニューラルネットワーク → 人工神経ネットワークを使って学習 ・ 進化型プログラミング → 人工的な遺伝の仕組を使って学習 ・ 決定木学習 → データから決定木という予測モデルを作ることで学習 ・ Q学習 → 環境、報酬、エージェントを用いて最適行動を獲得する学習
7.
Neural Network CC BY:
zcool.com.cn
8.
Neural Network ・ 脳の神経細胞の働きを参考に考案された 機械学習の手法の一種 ・
最もシンプルな2層構造: 単純パーセプトロン ・ 中間層(隠れ層)があるもの: 多層パーセプトロン ・ 中間層が2層以上のもの: Deep Neural Network
9.
Neural Network 形式ニューロン 重み w バイアス
b 活性化関数 φ 入力 x x1 x2 xn w1 w2 wn 出力 y ・ ・ ・ ・ ・ ・
10.
Neural Network ・ ・ ・ ・ ・ ・ 入力層 中間層(隠れ層)
出力層 多層パーセプトロン
11.
Backpropagation ・ ・ ・ ・ ・ ・ 誤差逆伝播法とも言う 教師データ 重み調整 重み調整
12.
Deep Learning ・ Deep
Neural Network は多層になるほど学習 しずらくなる ・ Backpropagation により誤差が入力層へ伝播 しにくくなり過学習が起こる ・ Dropout など様々な対策が施されている
13.
Dropout ・ ・ ・ ・ ・ ・ 入力層 中間層(隠れ層) 出力層 任意の確率でニューロンをなかったことにする
14.
TensorFlow ・ Google の開発している機械学習ライブラリ ・
C++ や Python から扱える ・ Android でも動くよ! ・ Windows ではまだ動かないよ… Docker 使ってね!
15.
Tutorial ・ Docker で環境構築 (Docker
の導入方法は省略) ・ TensorFlow 公式イメージ https://hub.docker.com/r/tensorflow/tensorflow/ $ docker pull tensorflow/tensorflow:0.7.1
16.
Run ・ port 8888
は Jupyter 用 ・ port 6006 は TensorBoard 用 (後述) $ docker run -itd --name tf -p 8888:8888 -p 6006:6006 tensorflow/tensorflow:0.7.1
17.
Exec ・ 以後、コンテナ内での処理 ・ Windows
の方で SSH が面倒な場合は Jupyter を使いましょう $ docker exec -it tf bash
18.
Jupyter ・ IPython Notebook
の多言語対応版といった所 ・ 対話的に動くコードを含んだドキュメントが作れる
19.
Jupyter Terminal の開き方
20.
Jupyter Terminal の開き方
21.
TensorFlow ・ まずは簡単な算数から ・ Python
インタプリタを起動する $ python
22.
TensorFlow ・ TensorFlow の
Hello World > import tensorflow as tf > msg = tf.constant("Hello World") > sess = tf.Session() > print sess.run(msg) Tensor が返る
23.
TensorFlow で計算① ・ 1
+ 1 ・ m + m の時点では計算されていない sess.run に渡った時点で計算される > m = tf.constant(1) > print sess.run(m + m)
24.
TensorFlow で計算② ・ TensorFlow
で sigmoid 関数 > a = tf.constant(5) > x = tf.placeholder(tf.float32) > sigmoid = 1 / (1 + tf.exp(-a * x)) > print sess.run(sigmoid, feed_dict={x: 0})
25.
Fetch TensorFlow Repository tarball ・
Tutorialを実行するためにリポジトリの アーカイブをダウンロードしましょう # curl -Lo tensorflow.tar.gz https://github.com/tensorflow/ tensorflow/archive/v0.7.1.tar.gz # tar xzvf tensorflow.tar.gz # cd tensorflow*
26.
手書き文字認識 ・ 手書き数字 0~9
を判定する ・ 4層ニューラルネットワーク # cd tensorflow/examples/tutorials/ mnist # python fully_connected_feed.py
27.
TensorBoard ・ TensorFlow の可視化ツール ・
tf.train.SummaryWriter で書き出したデータが見られる # tensorboard --logdir data
28.
活用方法 ・ 画像認識 (分類) ・
自然言語処理 (感情, 意味認識) ・ 作画, 作曲などクリエイティブな分野 ・ ノイズ除去 (waifu2x等) ・ ?
29.
ご清聴ありがとうございました
Baixar agora