機械学習– category –

Auto Encoder について解説し、Pytorch Lightning を使用した実装例を紹介します。

機械学習におけるモデルの評価方法であるホールドアウト、交差検証 (クロスバリデーション) について解説します。

複数の画像から、それらをグリッド上に並べた画像を作成できる torchvision.utils.make_grid() の使い方について解説します。GAN や AutoEncoder などの生成系モデルにおいて、学習過程の画像を確認したい場合に便利です。

物体検出のアノテーションツール VOTT の使い方について解説します。

画像のクラス分類問題の学習を Pytorch Lightning を使用して行う方法について解説します。Pytorch で行う場合のコードは以下の記事で解説していますが、Pytorch Lightning を使用することで Pytorch の冗長なコードを大幅に減らすことができ、コードの見通しがよくなります。{url=pytorch-train-classification-problem-using-a-pretrained-model}

YOLOv3 において、損失の計算や推論結果の生成を行う YOLO レイヤーの実装について解説します。

Pytorch である Dataset を分割し、学習用、テスト用の Dataset を作成する方法について解説します。

YOLOv3 で独自のデータセットを学習する方法について解説します。本記事では、例として金魚の物体検出を学習します。 人や車など一部の物体は、自分で学習しなくとも配布されている MSCOCO の学習済みデータセットを使用すると検出できます。学習済みデータセットを使って推論する方法は以下の記事を参考にしてください。{url=pytorch-yolov3-how-to-use-pretrained-model}

YOLOv3 の MSCOCO の学習済みモデルで画像から人や車を検出する方法について紹介します。

numpy ユーザー向けに numpy の関数と Pytorch の関数の対応表をまとめました。

Pytorch でコードを書く際によく使う Tips を公式チュートリアルなどを参考にまとめました。

情報理論について解説します。