5/7ページ

5/7ページ

[ GCP ] メガネと学ぶ Google Cloud Platform (2) コンピュート・サービスについて

本記事では、GoogleCloudPlatform における コンピュート・サービスの概要について調査したことをまとめてみたいと思います。 Google Cloud Platform とはなんぞや? 下記の記事でまとめているので、お時間あればご覧ください。 [ GCP ] メガネと学ぶ Google Cloud Platform (1) GCPって何ぞや?   GCP の コンピュート・ […]

[ GCP ] Google Cloud の認定資格についてまとめてみた *2020.1.4 更新

  本記事では、Google Cloud に関する認定資格についてまとめていきます。 これから取得を目指そうと思って見たもののあまり情報が出揃っていなかったので、勉強する前に簡単にまとめて見ようと思った次第です。 Googleの資格という言葉の響きに惹かれる人、これから受験を考えている人の一助になれば幸いです。   そもそもGoogle Cloudって何? Google Clo […]

[ GCP ] メガネと学ぶ Google Cloud Platform (1) GCPって何ぞや?

  本記事では、 Google Cloud Platform (略称:GCP) について、その概要をまとめていきます。   Google Cloud Platform とは?   Google Cloud Platform とは、Googleがクラウド上で提供しているサービス群の総称です。 Google が社内で使用しているインフラやテクノロジーが従量課金式で使用でき […]

[ TensorFlow ] VGG16さんをメガネの形状判定が出来る優れたモデルに作り変える ( 転移学習 )

  本記事では、TensorFlow で用意されたモデルを使用し、転移学習を行う方法について解説します。 今回は、VGG16モデルをベースに、メガネの形状を識別出来る様な新しいモデルを構築していきます。   学習済みモデルとは(復習) 以前、我が家の犬の犬種を識別するプログラムを実装しました。 あの時使用したのは TensorFlow にあらかじめ用意されている VGG16 と […]

[ keras ] ImageDataGenerator で画像データを加工して増やす( データ拡張 )

本記事では、 keres ライブラリの ImageDaraGenerator を使用して、画像データを加工した上で画像の数を増やす方法について解説していきます。 なぜ画像を加工するのか? まず、なぜ画像を加工して増やさなければいけないのかについて考えます。 機械学習において特に重要なのは、構築したモデルに対して学習を行わせるフェーズです。 そこではモデルに大量の画像を読み込ませ、そこから対象の特徴 […]

[TensorFlow] うちの犬の犬種を判定するプログラムの実装 ( 学習済みモデル使用 )

本記事では、TensorFlow の keras ライブラリに用意されている VGG16 という学習済みモデルを使用して、うちの犬の犬種を判別するプログラムの実装を行ってみたいと思います。 VGG16とは? VGG16 とは、画像認識モデルの性能を競う大規模なコンペであるILSVRC(ImageNet Large Scale Visual Recognition Challenge)における201 […]

[ 機械学習 ] TensorFlowでMNIST画像識別の実装

本記事では、TensorFlowを使用してMNIST画像識別を実装していきます。 TensorFlowとは? TensorFlowとは、Googleが開発した機械学習用のライブラリです。テンサーフロー、またはテンソルフローと読みます。 テンソルとは多次元配列のことを意味し、その名の通り多次元の配列を取り扱うことで一般的な機械学習や高度のディープラーニングなどを実装することが出来ます。 誰でも使える […]

[ 機械学習 ] MNISTデータの画像認識実装(ライブラリ不使用) 3.モデル再作成 ~ 画像認識まで

本記事は、学習機能を伴ったニューラルネットワークを誤差逆伝播法を用いて定義しなおして学習を行い、画像認識を行うまでを実装していきます。 画像データの準備、およびモデルの定義1回目と学習失敗の経緯については下記の記事を参照ください。 [ 機械学習 ] MNISTデータの画像認識実装(ライブラリ不使用) 1.知識まとめ~データの準備まで [ 機械学習 ] MNISTデータの画像認識実装(ライブラリ不使 […]

[ 機械学習 ] MNISTデータの画像認識実装(ライブラリ不使用) 2.モデル作成 ~ 失敗まで

本記事は、学習機能を伴ったニューラルネットワークを作成し、学習を行い、失敗するところまでを取り扱います。 失敗したものを記事にするのはどうかとも思ったのですが、個人的な記録としては価値あるものなのであえて書くことにします。   今回の内容は前回の続きとなりますので、まだそちらをご覧で無ければ前回記事からお読みいただければ幸いです。 [ 機械学習 ] MNISTデータの画像認識実装(ライブ […]

[ 機械学習 ] MNISTデータの画像認識実装(ライブラリ不使用) 1.知識まとめ~データの準備まで

本記事では、学習機能を伴ったニューラルネットワークを作成し、実際に画像認識を行なってみます。 機械学習のライブラリを使用した場合は比較的簡単にネットワークを作成することができますが、今回の目的は機械学習についての理解を深めることにあるため、基本的にライブラリは使用せずにネットワークを作成していきます。 ライブラリを使用しての実装は、また次の記事などで行なっていきます。 ここまでのまとめ いきなりま […]

1 5 7