"BOKU"のITな日常

興味のむくまま気の向くままに調べたり・まとめたりしてます。

AI:NNC

EXCELとNeural Network Consoleを連携してデモを動かすポイント/Neural Network Console応用編

EXCELとNeural Network Console(ニューラルネットワークコンソール:以後NNC)を連携させて簡単なデモンストレーションを動かす例をやります。

学習済モデルをEXCELから使い、手書き数字画像から数字を読むデモを作る/Neural Network Console応用編

お遊びで、Neural Network Consoleで定義したモデルと学習済のパラメータを使って、EXCELから推論を実行して、EXCELシート上に結果を表示してみました。

Windowsで「nnabla_cli.exe」を使い、学習結果を再利用して推論する。/Neural Network Console応用編

クラウド版およびWindows版のNNCで学習済のモデルとパラメータを使って、nnabla_cli.exeで推論するのをやってみます。

MMdnnで、tf.kerasのVGG16をONNX変換し、Neural Network Consoleへインポート。課題あり。

Neural Network ConsoleのONNX形式インポート機能を試してみました。

1.4.0から使えるエラー(誤分類)解析と推論結果のソート/Neural Network Consoleの使い方

Neural Network Console1.4.0の追加機能で、前から何でないのかなと思ってたものがあったので、試してみました。

アヤメ(iris)データでデータ分析と特徴選択の感触をつかむ/Neural Network Console応用編

2019年最初のブログです。 今回は「特徴選択(feature selection)」について、ちょっと勉強したことをまとめて、Neural Network Consoleで試してみようと思います。 特徴選択(feature selection)に興味あり さて。 今の自分の興味の中心は「特徴選択(fea…

エラー(誤分類)の画像をEXCELで一覧するマクロ(VBA)を使う/Neural Network Console応用編

今回はNeural Network Consoleで「output_result.csv」に出力された評価結果を、EXCELに取り込んで、画像を一覧するマクロ(VBA)を作ってみます。

EXCELで分類に失敗したデータの一覧表を作って確認する方法/Neural Network Consoleの使い方

Neural Network Consoleは、評価結果の明細が「output_result.csv」に出力します。これをうまく使うと、正しく評価できなかったデータとそうでないデータを振り分けて、原因調査や改善検討にやくだつ情報を得ることができます。

Neural Network Consoleクラウド版で対応が追加された「ONNX」形式とはなんなのか?

Neural Network Consoleクラウド版が、ONNX形式のダウンロードに対応したらしいので。

テキストを「'0000'から'FFFF'の出現頻度」で符号化する自然言語前処理/Neural Network Console応用編

自然言語の文章データを文字コードの出現頻度で正規化するのマルチバイト版('0000'~'FFFF')です。

DELTA #3の「Neural Network ConsoleでAI編集長を模擬る」の補足・ソースコードとか

2018/08/30「DELTA TOKYO #3 〜NeuralNetworkConsoleの面白い使い方を学ぼう〜」で発表したテーマのソースコードと補足説明です。

レイヤーの出力を眼で見て確認(Convolution/Max Pooling)/Neural Network Console

SONYのNeural Network ConsoleでSquaredErrorを使い、Max Epoch 0で学習・評価実行します。今回はCNN関連レイヤーの加工結果のモニタをやってみます。

レイヤーの出力を眼で見て確認(Affine、Sigmoid、Tanh、ReLu)/Neural Network Console

SONYのNeural Network Consoleの少し裏技っぽい使い方です。SquaredErrorを使い、Max Epoch 0で学習・評価実行すると加工結果のモニタができるので、ちょっとそれで遊んでみます。

Ver1.20から追加された「ユニット機能」を使ってみる/Neural Network Consoleの使い方

Neural Network Consoleの新機能「ユニット機能」を使ってみました。

学習済パラメータを引き継ぎ追加学習する2つの方法を試す/Neural Network Consoleの使い方

Neural Network Consoleで自動的に試行錯誤してくれた結果を引き継いで、発展させていく2つの方法を試してみます。

ネットワーク構造自動最適化機能を試してみる(その2)/Neural Network Consoleの使い方

Neural Network Consoleの自動最適化機能をちゃんと使ってみました。なかなか、興味深かったです。

ネットワーク構造の自動最適化機能を試してみる(その1)/Neural Network Consoleの使い方

Neural Network Consoleの自動最適化機能をとりあえず使ってみて、わかったことあれこれ。

日別売上の予測っぽい事に再チャレンジ。直近7日で8日目予測に頭を切り替える。/Neural Network Consoleの使い方

Neural Network Consoleで「予測っぽいことをやってみる」の前回のアプローチが問題ありだったので、今回はリベンジです。

学習時のレイヤー毎の処理時間計測機能(Profile)を試す/Neural Network Consoleの使い方

Neural Network Consoleのprofile機能を使ってみました。

テキストを「'00'から'FF'の出現頻度で符号化」する自然言語前処理のクラス化:/Neural Network Console応用編

自然言語の文章データを文字コードの出現頻度で正規化して、Neural Network Consoleで使えるデータにするまとめです。

ニュース記事を学習させて記事の内容による分類に挑戦してみる/Neural Network Console応用編

Neural Network Console(ニューラルネットワークコンソール 以後NNCと書きます)で自然言語処理をやってみる試みとして、ジャンルの異なるニュース記事を学習させて、分類できるかがテーマです。

ニュース記事を学習させるために「00」~「FF」の出現頻度で符号化してみる/Neural Network Console応用編

自然言語の文章データを、汎用的にNNC(ニューラルネットワークコンソール)で学習できるデータに変換する方法を考えてみました。

テキストを単語の出現頻度で数値データにしてネガポジ分類やってみる/Neural Network Console応用編

前回、文章データをニューラルネットワークコンソールで使えるように加工したものを使って、学習・評価してみます。

テキストを単語の出現頻度で数値化。Neural Network Console用データを作る/Neural Network Console応用編

ニューラルネットワークコンソールでは、文章テキストデータは、そのまま学習データとしては使えませんが、数値データに変換すればOKです。今回はそのやり方の1回目です。

少ない学習データと複雑で深いモデルの組合せは最悪!を体験/Neural Network Consoleの使い方

学習データの量が十分でなくて精度があがらない時、複雑なモデルを使ってなんとかしようとしたら、余計ひどい目にあう。今回は、常識的に言われていることを、実際にやって体感してみました。

ニューラルネットワークコンソールクラウドから学習済モデルをダウンロードして推論実行/使い方23

今回は、クラウドで学習済のモデルとパラメータをダウンロードして、Windows上で再利用するのをやってみます

ソニーのニューラルネットワークコンソールのクラウド版でデータセットを追加する。/使い方22

ニューラルネットワークコンソール(Neural Network Console)クラウド版で今回はデータのアップロードを試してみようかと思います。

ソニーのニューラルネットワークコンソールのクラウド版を試しに使ってみる/使い方21

ニューラルネットワークコンソール(Neural Network Console)に、インストールしなくても使えるクラウド版ができたみたいです。早速、試してみます。

CNNの認識精度向上に学習データ(画像)の水増しは効果あり/Neural Network Consoleの使い方

今回は、少ない(1カテゴリあたり40枚~60枚しかない)カラー画像データを、水増しして、前回71%と散々だった学習精度向上にチャレンジしてみます。

CNNで3カテゴリ分類(モノクロ画像とカラー画像の違い)/Neural Network Consoleの使い方

久しぶりに画像分類に戻ります。今回は、カルフォルニア工科大学が機械学習用に配布してくれている「Computational Vision At CALTECH」のカラー画像データを使います。