ディープラーニングライブラリ「Chainer」でのPythonプログラム事例を紹介します。「画風変換」「化物語キャラ分類」「将棋」「三目並べ」などを紹介しています。
Chainerでウサギ分類を行っています。
「ネザーランドドワーフ」「アンゴラ」「ロップイヤー」「ライオンラビット」の4種類のウサギの判別を目指します。
・利用した画像データについて
・画像50×50のリサイズ用コード(changeImage_tech_blog_sample.py)
・学習とテスト(train_tech_blog_sample.py)
・実行結果
→キャスレー技術ブログ『DeepLearning用フレームワーク Chainer を試してみた_その2』
Chainerで、アニメ作品「化物語」シリーズに登場するキャラクターを分類するボリューム企画です。
全Part7のうちPart6まで進んでいるようです。
準備編
・part0 前書き
・part1 画像の収集
・part2 画像の縮小&水増し
2値分類編
・part3 暦orNOT暦で2値分類(モデル作成&学習編)
・part4 暦orNOT暦で2値分類(未知データに適用するよ編)
主要キャラ分類編
・part5 主要キャラで分類問題(未知データに適用するよ編)
・part5.5 主要キャラで分類問題(改良編)
・part6 主要キャラで分類問題(GPU使ったよ編)
・part7 新規データをFasterRCNNを使って分類させる(むしろ全てはこれのため)
→MATHGRAM『python: chainerを使って化物語キャラを認識させるよ! 〜part0 前書き〜』
Chainer開発元Preferred Networks社の技術ブログで、「画風変換アルゴリズムChainer実装」が紹介されています。
「コンテンツ画像」を「スタイル画像」風に変換した画像を生成します。
アルゴリズムの処理内容について解説もあり、どのような処理が行われているのか参考になります。
・概要
・アルゴリズムの解説
・モデル
・CNNの中間層
・スタイル行列
・目的関数
・画像の更新則
・結果の分析
・おわりに
→Preferred Research『画風を変換するアルゴリズム』
Chainerを利用して開発した将棋アルゴリズムについて解説しています。
・原理
・python-shogi
・気になるとこ
・まとめ
→グニャラくんの株式会社wktk運営日記『Deep Learningを用いた将棋プログラムGunyanzaを公開しました』
Chainerで作成された「三目並べ」アルゴリズムについて解説されています。
「モンテカルロ」「Q-Learning」「Deep Q Network(DQN)」と戦わせます。
・三目並べの設計
・盤面
・ゲームの進行役
・色々なプレイヤーを作成
・ランダム君
・人間
・改良ランダム君 (Alpha Random)
・モンテカルロ
・Q-Learning
・DQN (Deep Q Network)
・結論
→Qiita『ChainerでDQN。強化学習を三目並べでいろいろ試してみた。(Deep Q Network、Q-Learning、モンテカルロ)』
Preferred Networks(PFN)は、5月23日、 「Microsoftとディープラーニング分野で戦略的協業をする」と発表した。 【Chainerとは】 日本製の深層学習フレームワーク https://www.ossnews.jp/oss_info/Chainer 【ポイント】 ・ディープラーニングフレームワーク「Chainer」や「Deep Intelligen...
OSS×Cloud ACCESS RANKING