M1チップMacbook airのGPUを利用して、畳み込みニューラルネットワーク(CNN)で画像の分類を行ない、学習・推論速度の測定を行いました。 使用したデータセットはCIFAR-１０という10種類の画像のデータセットです。 M1チップMacbook airのGPU利用に関してはMiniforge3による構築で行い、ここについては前回の記事でも触れているため今回は省略します。

今回は機械学習の復習も兼ねて、手書き数字の分類のお話。 また、個人で所有しているそこそこいいGPUの付いたゲームPCではなく、 M1チップを搭載したMacbook airでの学習・推論を行なった。

generative deep learningにて、生成型の機械学習の勉強をしている。その7章で作曲をAIで行う面白いプロジェクトがあったので、学習・推論を行った。前回学習を行ったので、今回は推論について記載する。なお、オンプレのGPU機にて学習・推論を行なっている。

generative deep learningにて、生成型の機械学習の勉強をしている。その7章で作曲をAIで行う面白いプロジェクトがあったので、多少の説明と共に記載する。 RNNAttensionについてはモデル構成が記載されているものの、コードについての説明や実行に関するサポートは若干心もとない。 ということで、再度復習で同じプログラムを回すときのためにも備忘録として記録しておく。

keras.ioのgithubリポジトリのサンプルに有名なスタイル変換のプログラムがあったので、遊んでみた。フルスクラッチっぽいので、かなり勉強になる。 若干の解説とともにコードを紹介していく。

ツールをHomebrewでダウンロードした際の以下エラー文の対処法の話。 `Error: Your Command Line Tools are too outdated.`

CIFAR-100を使ったtensorflowの多クラス分類のチュートリアル記事。 CIFAR-10を使った実験記事だとよくあるので、CIFAR-100でやってみました。 スーパークラスの20クラス分類にしたからCIFAR-10の分類と変わらないんだけれども。

こつこつと掘り進めてきたビットコインが溜まってきて、 仮想通貨との取引フェーズに入ってきました。 しかし、正直仮想通貨、何がなんやら・・・ そこで、各銘柄について調べ、どの銘柄をビットコインで購入するかの指標にすることにしました。 現状nice hashで取引できる銘柄を列挙し、その概要について記述しました。