MORE
画像分類においては、高い精度を実現できる手法として「畳み込みニューラルネットワーク（CNN）」というものが提案されている。CNNは強化学習のモデルとして使用するニューラルネットワークの形状と信号の伝達方法を工夫することで、少ないノードで高い分類能力を実現するものだ。今回はこのCNNをTensorFlowで実装したものを紹介する。
前回までの記事では、TensorFlowを使って3層のニューラルネットワークを構成して機械学習による画像分類を試みた。今回は前回までのコードを拡張し、4層以上のニューラルネットワークを使用した、いわゆる深層学習（ディープラーニング）による画像分類を行う例を紹介する。
TensorFlowでは、学習などに使用するデータを読み書きするための「TFRecord」というデータフォーマットが用意されている。今回はこのTFRecordを使って学習データを準備したり、TFRecord形式のデータを読み込む方法を紹介する。
TensorFlowには計算グラフや学習過程を分析するためのツールである「TensorBoard」が付属している。これを利用することで、計算グラフを実際のグラフの形状で表示したり、学習処理の経過によるモデルの変化をグラフで表示するといったことが可能になる。今回はこのTensorBoardについて紹介する。
さくらインターネットの伊東道明です。 本記事は、「つくってみよう！高火力コンピューティングでオリジナルAIサービス」という連載の第3回です。
こんにちは！ Cpaw 代表の伊東道明です。 普段はさくらインターネット 高火力チームでアルバイトをしています。 2017年10月29日に、さくらインターネット 西新宿セミナールームにてAI技術を駆使して競争する「第1回 Cpaw AI competition」を開催しました。
さくらインターネットの伊東道明です。 本記事は、「つくってみよう！高火力コンピューティングでオリジナルAIサービス」という連載の第2回です。
さくらインターネットの伊東道明です。 近年、AIを用いたサービスがたくさん出始めており、AIを用いたサービス開発をしたいという人も増えてきています。本連載では、機械学習フレームワークである「Chainer」とPythonのWebフレームワーク「Tornado」を使って、ディープラーニングの手法を用いたWebサービスのつくり方を紹介します。
高火力コンピューティングを使って深層学習をできるようになるまでの連載の2回目の記事です。 前編では、プログラムを動かすための様々な環境構築を行いました。 今回は、前回作成した環境で実際に深層学習を行なって、機械学習の“hello world”と呼ばれている手書き文字分類を行います。
注目が高まる能動学習 いま機械学習の応用が猛烈な勢いで進んでいます。大勢のソフトウェアエンジニアが機械学習に取り組んでいて、機械学習への応用を狙ったクラウドサービスも登場してきました。こうした動きの中でジワジワと注目の高まっている技術が、学習効率を高める手法である「能動学習（Active Learning）」です。
レコメンドエンジンやスパム判定、音声や文字認識などは機械学習と呼ばれる技術が使われています。大量のデータをベースに新しいデータがなんであるかを判断します。ビッグデータの時代になり、特に注目されている技術になります。 PredictionIOはそのエンジンの一つで、オープンソース・ソフトウェアとして公開されています。
