ディープラーニングライブラリ「Caffe」のチュートリアルについて紹介します。
Caffeに付随しているサンプルデータや学習済みデータを取り込んで、基本的な画像認識方法について確認できます。
MNIST用トレーニング環境で、トレーニングを行なう手順について解説しています。
(1) MNISTデータをダウンロード
(2) トレーニング用データを作成
(3) トレーニング開始
(4) トレーニング実行中
(5) トレーニング終了
→MNISTやってみる!Neural Networksによる自動認識に挑戦! →(20) CaffeでMNIST自動認識(その1)
公式情報をベースにしてMNISTの学習をさせた後、学習したネットワークを使って、MNISTのJPEG画像を認識させる手順を解説しています。
・MNISTのデータベース(手書き文字)を認識させる
・MNISTの学習をさせる
・学習されたMNISTのネットワークで実際にどう認識されるか確かめてみる
・データベースをJPEGにして認識対象をわかりやすくする
・画像をネットワークに与えて、結果を見てみる
→Qiita →素人がCaffeを使ってDeepLearningしてみた(実践編)
MNIST学習時に出力されるログファイルを使用して、精度をプロットする手順について解説しています。
・MNISTの学習
・精度のプロット
→下丸子のコネクショニスト →CaffeでMNISTを学習した経過をプロットしてみた
CIFAR10(物体認識)サンプルを使用して、学習と分類テストを行う手順を解説しています。
・Runtest
・サンプルをダウンロード
・学習
・分類テスト
GitHub Gistに投稿されているチュートリアルです。
ネット上に公開されている「Imagenet」の学習パラメータを使用して、Python経由で特徴ベクトルを取り出す方法について説明しています。
「特徴ベクトル抽出方法」や「パラメータ学習方法」について理解を深めることができます。
・Anacondaのインストール
・Imagenetの学習パラメータのダウンロード
・Python上での特徴ベクトル取り出し
・predict()とoversampleオプションの取り扱いについて
・平均画像の取り扱いについて
・サンプルコード
・データセットの作成
・平均画像の作成
・パラメータの調整
・CNNの学習
・Transfer learning
AI研究プロジェクトなどをサポートする主要なオープンソースAIツールを紹介。 ①Apache Mahout 統計と線形代数を含む一般的な数学問題の作業を簡素化するように設計されている。 ...
OSS×Cloud ACCESS RANKING