[過去ﾛｸﾞ] 【統計分析】機械学習・データマイニング20 (1002ﾚｽ)
上下前次1-新
このｽﾚｯﾄﾞは過去ﾛｸﾞ倉庫に格納されています｡
次ｽﾚ検索 歴削→次ｽﾚ 栞削→次ｽﾚ 過去ﾛｸﾞﾒﾆｭｰ
805(1): (ﾜｯﾁｮｲ 2a23-7PZ0) 2018/10/19(金)07:35 ID:/W+GDYNa0(1) AAS
AIっていかに論文をたくさん読んで、どれだけパクるかの勝負じゃん
806: (ｱｳｱｳｳｰ Sa9f-Wo3P) 2018/10/19(金)07:37 ID:568QDdW/a(1) AAS
どんな分野でも基本は既存研究の発展で、ごく稀に全く新しい発明が登場するものだ
807(1): (ﾜｯﾁｮｲ e667-8bGT) 2018/10/19(金)09:32 ID:TrVy4dze0(1/3) AAS
研究と応用の距離が近いのね
808: (ｱｳｱｳｲｰ Saf3-AyP3) 2018/10/19(金)13:50 ID:R1ndva0Ba(1/7) AAS
>>797
なるほど、凄く答えに近いこと聞いた気がします。
アクティベートをシグモイドにするだけでその挙動が得られるのですか？
条件反射でソフトマックス使ってたので盲点でした。
少し試してみます。
809(2): (ｱｳｱｳｲｰ Saf3-AyP3) 2018/10/19(金)13:56 ID:R1ndva0Ba(2/7) AAS
>>798
なるほどそういうものなのですね。
しかし疑問なのが、どうして犬を検出する検出器は学習させることが出来るのに
犬の画像が入力された時だけ1を返すネットワークを学習させることができないかです。
明らかに後者の方が簡単なように思うのですが。。
お詳しそうなのでよければ教えていただけませんか？
810(1): (ﾜｯﾁｮｲ 8b8a-7PZ0) 2018/10/19(金)14:13 ID:LAG8930r0(1) AAS
>>807
パラメーター変えてみました、別のに応用して見ましたということかｗ
811(1): (ｽｯﾌﾟ Sd2a-uXI1) 2018/10/19(金)14:15 ID:gl4kTOSHd(1) AAS
>>809
機械学習の一般論として、なにかを判定するには教師データとして正例と負例をおなじ数だけ与えるのが基本でしょう
「googleが猫を検出するDNNを作った」事例がよく取り上げられるけど、あれだって大量の猫画像とそうでない画像を与えている
812(1): (ﾜｯﾁｮｲ e667-lBGZ) 2018/10/19(金)14:38 ID:TrVy4dze0(2/3) AAS
>>810
そこまでは言ってない。
ダークマターの質量が判りました。ってのより基礎研究の利用が応用に近いなあと
813(1): (ｵｯﾍﾟｹ Srb3-6bZA) 2018/10/19(金)15:33 ID:pogP5zPXr(1/3) AAS
>>809
前者は1000クラスの分類器がベースになってる
日常的に身の回りにある物は大体この1000クラスに含まれるので犬を(も)検出できる
当然その1000クラス以外が入力された時にどうなるか保証はない
後者は犬以外のどんな画像が入力されても0を返すのが難しい
これは犬以外に対応する潜在空間が圧倒的に広いから
でもまあ実用的には1000クラス分類器の流用で十分な気もするな
814: (ﾜｯﾁｮｲ 7bd2-Pr2h) 2018/10/19(金)15:55 ID:7FKkwhq/0(1) AAS
>>805
＞ AIっていかに論文をたくさん読んで、どれだけパクるかの勝負じゃん
ということは、AIが何か知っているんか？
じゃ、AIとは何か言ってみ？
815: (ﾜｯﾁｮｲ 8b8a-7PZ0) 2018/10/19(金)16:05 ID:x0p9L0oV0(1) AAS
>>812
難しいことご存知でｗ
816: (ﾜｯﾁｮｲ 6a23-yU1x) 2018/10/19(金)16:20 ID:JhfkDMcM0(1) AAS
絵描き
「性的対象判定機にこの白黒の線画を判定させたらすごいスコアでた！」
817(1): (ｱｳｱｳｲｰ Saf3-AyP3) 2018/10/19(金)16:54 ID:R1ndva0Ba(3/7) AAS
>>813
なるほど。。
それなら素人考えですと、
imagenetの画像を犬とそれ以外の2クラスに分けて
2クラス分類で学習させたネットワークは
その検出器と比べて認識力ではほぼ等価と見なせますか？
818(1): (ｱｳｱｳｲｰ Saf3-AyP3) 2018/10/19(金)16:59 ID:R1ndva0Ba(4/7) AAS
>>811
なるほど。
ではそのように猫だけを検出するネットワークを作りたいとしたら、
ネガティブとしてどんな画像を与えるのですか？
上の方も言ってる通り潜在空間が広すぎると思うのですが、
例えばimagenetの猫以外の画像を全てネガティブとして1クラスに押し込んで特徴って捉えれるのですか？
819(1): (ｵｯﾍﾟｹ Srb3-6bZA) 2018/10/19(金)17:18 ID:pogP5zPXr(2/3) AAS
>>817
普通にそれをやると犬以外のデータが圧倒的に多いので多分上手くいかない
何も考えず全て犬以外に分類するだけで正解率99.9%を達成できるので、単純に分類誤差最小化で学習するとそうなる
学習済みネットワークの出力を加工するかファインチューニングするのがいいと思う
820(2): (ｱｳｱｳｲｰ Saf3-AyP3) 2018/10/19(金)17:38 ID:R1ndva0Ba(5/7) AAS
>>819
なるほど、、ためになります。
そういう実用的な事が書いてある書籍か何かありませんか？
ディープラーニングの本いろいろみて回ったのですが、
理論(数式)責めでドヤってる本か、
ネット見れば分かる程度の初歩的な実装方法書いたような本しかなくて困ってるのですが・・
欲しいのは数式でもチュートリアルでもなく実用性のあるものなのですが。
これ1冊あれば数式読まなくてもモデル選定からチューニングのコツまで分かるみたいな本ないですか？
821(1): (ｵｯﾍﾟｹ Srb3-6bZA) 2018/10/19(金)17:55 ID:pogP5zPXr(3/3) AAS
>>820
そんなうまい話ないぞ
学習したいデータや問題毎に色々な試行錯誤がある
仮に望むような本があって表面だけなぞったとしても同じ悩みにぶつかるよ
822: (ﾜｯﾁｮｲ be08-Vzs6) 2018/10/19(金)18:30 ID:aSQ6R7eH0(1/2) AAS
今CycleGANの学習をCPUでやってる
何時間かかるんだろう・・・。
823(1): (ﾜｯﾁｮｲ 4afe-xNCo) 2018/10/19(金)18:39 ID:NZMDXKZv0(1) AAS
cycleganは夢が広がるほど万能感あるけど実際はなかなか上手く学習しない
824: (ﾜｯﾁｮｲ be08-Vzs6) 2018/10/19(金)20:03 ID:aSQ6R7eH0(2/2) AAS
>>823
形状を変化させるのは苦手みたいだね
テクスチャ系なら上手くできる
それにしてもCPUで1時間半やったけど1エポックも進まないわ・・・
825(1): (ﾜｯﾁｮｲ 2a23-ZrT7) 2018/10/19(金)21:18 ID:TlirwEgq0(1) AAS
>>818
そういうこと(猫画像とそれ以外画像とに分ける)で学習してる例が多いと思うけどね。ただ指摘があるように正例と負例の数は揃えないと。
あなたが実際にその分類器を使う段階になって、猫以外の画像としてどういうものが入力されるのか？ それに近い分布のものを負例としなきゃ
「仕事ではじめる機械学習」あたり読んでみては(自分は読んでないけどw)
826: (ｱｳｱｳｲｰ Saf3-AyP3) 2018/10/19(金)22:14 ID:R1ndva0Ba(6/7) AAS
>>821
まあそうですよね。
でもいかんせん素人だと何をどう試行錯誤していいかすら分からないので
行き詰まった時に試してみるチェックリストみたいな感覚で使いたいのですが・・
827: (ｱｳｱｳｲｰ Saf3-AyP3) 2018/10/19(金)22:16 ID:R1ndva0Ba(7/7) AAS
>>825
ありがとうございます。
入力に近い分布のものなら1クラスにまとめて放り込んでも大丈夫なんですね。勉強になりました
本もチェックしてみます。
828: (ﾜｯﾁｮｲ e667-lBGZ) 2018/10/19(金)22:17 ID:TrVy4dze0(3/3) AAS
誰かコンサルしてあげなきゃ。素人が機械学習使えないだけなのに機械学習自体が評価されなくなる未来が見える
829: (ﾜｯﾁｮｲ a3b3-0m99) 2018/10/19(金)23:05 ID:dup5d98D0(1) AAS
外部ﾘﾝｸ:towardsdatascience.com
上記のリポジトリ
外部ﾘﾝｸ:github.com
830(1): (ﾜｯﾁｮｲ 53c3-/t9M) 2018/10/19(金)23:52 ID:heGbLBdq0(5/5) AAS
>>820
数式から逃げるな。
機械学習の数学程度でうろたえてるようじゃ人生きついぞ
831: (ｱｳｱｳｳｰ Sa9f-S/Dd) 2018/10/20(土)00:58 ID:2DsZDK0Sa(1) AAS
正例と負例の訓練データ数が全く桁違いの場合って割と多いと思うんだけど
例えば機械の故障判定とか製品の不良判定とか、正常データが大量にあって異常データは僅かになるのが典型的
その場合全て正常と判定するモデルの正解率は高くなるが、混同行列見たりF1値を評価指標にすればそんなのは非常に悪い学習結果と判断できるから排除できる
832: (ﾜｯﾁｮｲ be08-Dt8S) 2018/10/20(土)13:39 ID:MvoUANTC0(1) AAS
Macbook ProのCore i7 CPUで半日やったが、
1エポックしか学習できなかったわ
Geoforce GTX 1080 Ti買うことにした
27万ぐらいするけどもっと安く買えねーかな
833(1): (ｱｳｱｳｲｰ Saf3-AyP3) 2018/10/20(土)16:25 ID:d68y9Vxsa(1/2) AAS
MacBookProなら一応グラフィックカード付いてるはずだけど呼び出せてなくない？
2016年モデルだけどついてるよ、スペックはお情け程度かもしれないけど
834(2): (ｱｳｱｳｲｰ Saf3-AyP3) 2018/10/20(土)16:36 ID:d68y9Vxsa(2/2) AAS
>>830
理解出来ない訳では無いですけど無駄手間じゃないですか？
ただツールとして使いたいだけで理論を開発しようって訳ではないので(そもそも数式には興味ない)、
数式見るのは研究者がやればいいと思うのですが。
ガウシアンぼかしの式すら知らない素人でもリファレンス見て試行錯誤で華麗にフォトショップ使いこなしますよね？
あんな感じに早くなればいいと思うこの頃です
上下前次1-新書関写板覧索設栞歴
あと 168 ﾚｽあります
ｽﾚ情報 赤ﾚｽ抽出 画像ﾚｽ抽出 歴の未読ｽﾚ
ぬこの手 ぬこTOP 0.012s