refluster's blog

先週末にraspberry piでクリスマスイルミネーションを作りました。Unkaiのプラットフォームを活用して、合計0.2人日程度で仕上がりました。資産はこうやって活用しないとですね。 Unkaiのプラットフォームはこちら http://refluster.blogspot.jp/2015/07/unkai.html

twitterのデータを使ってbotを作ってみました。大量の学習データを短期間で集めやすく、マシンラーニングの初学者としては良い題材ではないかと思います。 tensorflowに付属の翻訳のサンプルコード（seq2seq_model）を用いて、学習データを「英語→フランス語」から「tweet → リプライtweet」に置き換えると実現できます。日本語を使ったので、形態素解析も必要になります。学習リソースを有効に活用するため、前処理として絵文字、句読点、タグなどは除去しました。 語彙数を1.5万とし、RNNを3層にスタックして学習しました。awsのt2.large（このときメモリ8GB）を用いたところ、メモリ不足で2万語の学習は不可能でした。 ソースコードを下記に置いております。 https://github.com/refluster/jupyter/tree/master/003.simple_bot 技術的な理解は、下記資料が参考になります。 http://www.slideshare.net/tak9029/tensorflowai 学習の仕組み 学習開始から2時間経過 1日経過 4日経過 1週間経過

ディープラーニングを使ったサンプルアプリを作りました。 http://lab.schememono.net/code/js/057/ 使い方：スマホで上記URLを開き、枠内に1個の数字を書くだけです。 書いた数字が0～9のいずれの確立が高いか、各々の結果が示されます。学習アルゴリズムの違いを見るために、簡単なsimpleと、少し高度なconvolutionの2種類表示します。 手っ取り早いため、学習データが揃いやすい数字を扱いました。学習の構造は数字に特化してないため、物体認識など応用はやりやすいです。 工夫した点は、tensorflowのチュートリアルを参考に予測部分を改良したのと、Webアプリ化してUIを設置したことです。