検索 - みる会図書館

検索対象: TensorFlowはじめました2 機械学習で超解像─Super Resolution (NextPublishing)

TensorFlowはじめました2 機械学習で超解像─Super Resolution (NextPublishing)から 80件ヒットしました。

TensorFlowはじめました2 機械学習で超解像─Super Resolution (NextPublishing)


50 祚 イ ン プ レ ス R & D [ NextPublishing] - ー ・ ・ New Thinking New Ways E-Book/ Print Book は じ め ま し た 機 械 学 習 で 超 解 像 ー Super ResoIution 有 山 圭 ニ R&D impress 解 像 度 ア ッ プ を 実 現 ! G 〇 〇 g に の 機 械 学 習 で

TensorFlowはじめました2 機械学習で超解像─Super Resolution (NextPublishing)


リ ス ト 1 . 1 5 : NumPy の プ ロ ー ド キ ャ ス テ ィ ン グ import numpy as np 3 , 4 ] ) arrayl valuel result np. a r ray ( [ 1 , 2 , 3 5 arrayl + valuel print(result) [ 6 7 8 9 ] TensorFIow に も プ ロ ー ド キ ャ ス テ ィ ン グ の 仕 組 み が あ り 、 形 の 違 う 配 列 同 士 で 演 算 す る こ リ ス ト 1 .16 : TensorFlow の プ ロ ー ド キ ャ ス テ ィ ン グ と が で き ま す ( リ ス ト 1.16 ) 。 import tensorflow as tf arrayl va1ue1 result tf. constant([l, tf. constant(5) arrayl + vaIue1 2 , with tf. Session() as sess: print(sess . run(result)) [ 6 7 8 9 ] TensorBoard に よ る グ ラ フ の 可 視 化 TensorFIow に は 、 強 力 な 可 視 化 ツ ー ル 「 TensorBoard 」 が 搭 載 さ れ て い ま す 。 TensorBoard を 使 え ば グ ラ フ を 可 視 化 し て 、 Web プ ラ ウ ザ 上 で 見 る こ と が で き ま す 。 TensorBoard で 読 み 込 め る 形 式 で デ ー タ を 出 力 し ま す 。 グ ラ フ の 書 き 出 し 第 1 章 TensorFlow の 基 礎 19

TensorFlowはじめました2 機械学習で超解像─Super Resolution (NextPublishing)


0 一 0 第 2 章 超 解 像 と は CNN で 超 解 像 う に 定 義 し ま す 。 モ デ ル に サ イ ズ 33px の 低 解 像 度 画 像 を 入 力 す る と 、 21px の 解 像 度 が 高 い 画 像 を 出 力 す る よ リ ス ト 2.1 の 関 数 inference は 、 本 書 で 使 う 超 解 像 の モ デ ル を グ ラ フ と し て 構 築 し ま す 。 モ テ ル の 定 義 3 . 画 像 処 理 2 . 学 習 1 . モ デ ル の 定 義 モ デ ル は 、 次 の 手 順 で 作 成 し ま す 。 図 2.1 劣 化 し た 画 像 の 解 像 度 を 高 め る ( イ メ ー ジ ) 本 書 で は TensorFlow を 使 っ て 、 超 解 像 を 実 現 す る 機 械 学 習 の モ デ ル を 作 成 し ま す 。 し た ま ま 解 像 度 を 高 め る こ と 、 も し く は 、 そ れ を 実 現 す る 技 術 を 言 い ま す 。 超 解 像 (Super ResoIution) と は 、 拡 大 や 不 可 逆 圧 縮 な ど で 劣 化 し た 画 像 を 、 元 の 画 質 を 維 持 22 第 2 章 CNN で 超 解 像

TensorFlowはじめました2 機械学習で超解像─Super Resolution (NextPublishing)


図 1 .5 TensorBoard で 可 視 イ ヒ し た グ ラ フ Mul ま た 、 グ ラ フ を 構 成 す る 各 オ ペ レ ー シ ョ ン を ク リ ッ ク す る と 、 詳 細 な 情 報 を 確 認 で き ま す 。 例 え ば 図 1.6 を 見 れ ば 、 オ ペ レ ー シ ョ ン Mut は 、 オ ペ レ ー シ ョ ン 「 Add 」 と 定 数 「 const_l 」 の 入 力 を 受 け て い る こ と が わ か り ま す 。 図 1 .6 オ ペ レ ー シ ョ ン Mul の 詳 細 を 表 示 Const 1 A d Const Const 1 A リ 釧 0 GRAPHS DISTRIBUTVONS ・ HISTOGRAMS EMBEDDINGS Mul Attributes ( 1 ) p ② Add Const—1 0utputs ( の Ope 「 ation: MuI { 対 DT 」 NT32 ) Mul Const—1 0 Removefrom main graph Ad d Const Const—1 こ ま で 、 TensorFIow の 基 礎 を 解 説 し ま し た 。 次 の 章 か ら は い よ い よ 、 TensorFIow を 使 っ た 超 解 像 を 実 践 し ま す 。 1. 訓 練 ・ 学 習 済 の モ デ ル を 使 っ た 認 識 ( 評 価 ) を 前 提 と し て い ま す 2. 「 オ ペ レ ー シ ョ ン 」 と い う と 何 ら か の 操 作 に 限 定 す る と 思 わ れ が ち で す が 、 Tenso 「 FIow で は 、 定 数 や 変 数 も 「 値 を 出 力 す る オ ペ レ ー シ ョ ン 」 と 考 え ら れ て い ま す 3. た た し Convolutional Neural Netwo 「 k で 処 理 す る 場 合 は 廿 . 月 0at32 に 変 換 す る 必 要 が あ り ま す 4 https://www tensorflow. 0「g/P「0g 「 amme 「 s_guide/dims_types 5. https://docs.scipy.0「g/doc/numpy/user/basics.broadcasting.html 6. こ の フ ァ イ ル は ど ん ど ん 増 え て い く の で 、 古 い も の を 定 期 的 に 消 す か 、 出 力 先 の デ ィ レ ク ト リ を 分 け る こ と を お 勧 め し ま す 第 1 章 TensorFlow の 基 礎 21

TensorFlowはじめました2 機械学習で超解像─Super Resolution (NextPublishing)


第 1 章 TensorFIow の 基 礎 TensorFlow と は TensorFlow は 、 2015 年 11 月 、 米 G 。 。 gle 社 が オ ー プ ン ソ ー ス で 公 開 し た 機 械 学 習 用 の 計 算 フ レ ー ム ワ ー ク で す 。 2017 年 2 月 に バ ー ジ ョ ン 1.0.0 が リ リ ー ス さ れ ま し た 。 TensorFlow は 、 機 械 学 習 に 必 要 と な る 膨 大 な 計 算 を 複 数 の GPU や マ シ ン で 分 散 ・ 並 列 で 処 理 で き ま す 。 ま た 、 Android や iOS な ど の モ バ イ ル 上 や Raspberry Pi な ど 複 数 の プ ラ ッ ト フ ォ ー TensorFlow ム で 動 作 1 す る こ と も 特 徴 で す 。 グ ラ フ の 構 築 成 さ れ ま す 。 テ ー タ フ ロ ー グ ラ フ TensorFlow は 、 デ ー タ の 流 れ ( フ ロ ー ) を 定 義 し た 「 グ ラ フ 」 で 処 理 を 実 行 し ま す 。 あ ら か TensorFIow に よ る 処 理 は 、 ア ー タ フ ロ ー グ ラ フ の 「 構 築 」 と 「 実 行 」 の 2 つ の フ ェ ー ズ で 構 じ め グ ラ フ を 構 築 す る こ と で 、 Python と C / C + + 間 の オ ー バ ー ヘ ッ ド を 低 減 し 、 さ ら に 複 数 の import absotute_import future from # coding: UTF—8 リ ス ト 1 . 1 : 2 + 3 の 足 し 算 た め し に 、 次 の プ ロ グ ラ ム を 実 行 し ま し よ う 。 GPU や マ シ ン で の 並 列 ・ 分 散 処 理 を 可 能 に し て い ま す 。 8 第 1 章 TensorFlow の 基 礎

TensorFlowはじめました2 機械学習で超解像─Super Resolution (NextPublishing)


TensorFlow は じ め ま し た 2 超 角 象 —Super Resolution 2017 年 6 月 2 日 初 版 発 行 ver. 1.0 (PDF 版 ) 著 者 有 山 圭 二 編 集 人 山 城 敬 発 行 人 井 芹 昌 信 発 行 株 式 会 社 イ ン プ レ ス R & D 〒 101-0051 東 京 都 千 代 田 区 神 田 神 保 町 一 丁 目 105 番 地 http.//nextpublishing.jp/ 機 械 学 習 で ・ 本 書 は 著 作 権 法 上 の 保 護 を 受 け て い ま す 。 本 書 の 一 部 あ る い は 全 部 に つ い て 株 式 会 社 イ ン プ レ ス R & D か ら 文 書 に よ る 許 諾 を 得 ず に 、 い か な る 方 法 に お い て も 無 断 で 複 写 、 複 製 す る こ と は 禁 じ ら れ て い ま す 。 ( 02017 Keiji Ariyama. AII rights reserved. ISBN978-4-8443-9774-8 住 x に NextPubIishing ・ ◎ 本 書 は NextPub ⅱ shing メ ソ ッ ド に よ っ て 発 行 さ れ て い ま す 。 NextPub hing メ ソ ッ ド は 株 式 会 社 イ ン プ レ ス R & D が 開 発 し た 、 電 子 書 籍 と 印 刷 書 籍 を 同 時 発 行 で き る デ ジ タ ル フ ァ ー ス ト 型 の 新 出 版 方 式 で す 。 http://nextpublishing.jp/

TensorFlowはじめました2 機械学習で超解像─Super Resolution (NextPublishing)


リ ス ト 1 .17 : TensorBoard に テ ー タ を 書 き 出 す tf. constant(2) constl tf. constant(3) const2 tf. add(constl, const2) add—op mut—op tf. multiply(add_op, const2) with tf. Session() as sess: mul result, add result print(mul_resutt) print(add—result) sess . run(CmuI—op, add—op]) tf. summary. FiIeWriter(' . /, sess ・ graph) リ ス ト 1.17 を 実 行 す る と 、 ス ク リ プ ト と 同 じ デ ィ レ ク ト リ に TensorBoard 用 の フ ァ イ ル 6 が 作 成 さ れ ま す 。 TensorBoa 「 d の 起 動 次 に 、 TensorBoard を 起 動 し ま す 。 TensorFIow が イ ン ス ト ー ル さ れ て い れ ば 、 コ マ ン ド tensorboard で 起 動 で き ま す 。 引 数 ー ー logdir に は 、 tf. summary. FiIeWriter に 指 定 し た 出 力 先 の デ ィ レ ク ト リ を 指 定 し ま す 。 ー logdir = [ TensorBoard 用 の フ ァ イ ル が あ る テ ィ レ ク ト リ ] $ tensorboard Starting TensorBoard b ' 47 ' at http://@.0. @. O:6006 (Press CTRL + C tO quit) プ ラ ウ ザ で http:〃localhost:6006 に ア ク セ ス し て 、 上 部 メ ニ ュ ー か ら 「 GRAPH 」 を 選 択 す る と 、 構 築 し た グ ラ フ 画 像 が 表 示 さ れ ま す 。 画 像 を 見 れ ば 、 オ ペ レ ー シ ョ ン 同 士 が ど う 結 び つ い て い る の か 視 覚 的 に 確 認 す る こ と が で き ま す 。 20 第 1 章 TensorFlow の 基 礎

TensorFlowはじめました2 機械学習で超解像─Super Resolution (NextPublishing)


■ H ト ・ 図 2.2 CNN の 入 出 力 2 33X33 CNN 画 像 を 構 成 す る 画 素 数 は 減 り ま す が 、 事 前 に 2 倍 に 拡 大 し て お く こ と で 結 果 的 に は 解 像 度 を 高 め る こ と が で き る と 推 測 し ま す ( 詳 細 は 第 3 章 参 照 ) 。 リ ス ト 2.1 : srcnn/model/mode191 5. py # coding: UTF—8 from future from future from future import absolute_import nmport division import print_function import tensorflow as tf ' m0de1915 ' NAME INPUT SIZE 33 OUTPUT SIZE SIZE INPUT CHANNELS ( 5 は 省 略 ( 1 ー 1 ) ー 1 ) ( 9 ー 1 def inference(lr—images) : conv2d( 'convl' convl input—tayer=tr—images' weights—shape=[9, 9 , CHANNELS, 64 ] , weight—stddev=le-l, biases—shape=C64] , biases—[email protected] . 0, st ri des= [ 1 , 1 ; 1 , 1 ] , padding='VALID') tf. nn . retu(convl) convl conv2d( 'conv2' input_tayer=convl, weights-shape=[l, 1 , 64 , 32 ] , weight—stddev=le-l, conv2 第 2 章 CNN で 超 解 像 23

TensorFlowはじめました2 機械学習で超解像─Super Resolution (NextPublishing)


print(mul—result) print(add—resuIt2) リ ス ト 1.4 で は 、 加 算 し た 結 果 に const2 を 積 算 す る オ ペ レ ー シ ョ ン mul ー op を 実 行 し て い ま す 。 こ の オ ペ レ ー シ ョ ン を 図 に す る と 図 12 の よ う に な り ま す 。 図 1 .2 tf. multiply に tf. add と const2 を 入 力 tf. add tf. multiply constl const2 実 行 結 果 は 次 の 通 り で す 。 15 5 テ ン ソ ル (Tensor) を 取 り 出 す こ と が で き ま す 。 こ の よ う に 、 セ ッ シ ョ ン の 中 で グ ラ フ を 構 成 す る い す れ か の オ ペ レ ー シ ョ ン を 実 行 し て 結 果 た と え ば 画 像 デ ー タ を 表 す 場 合 、 Tensor の Rank は [ 3 ] 、 Shape は [width, height, に は デ ー タ 型 (Type) が あ り ま す ( 表 1.2 ) 。 Rank は 「 テ ン ソ ル の 階 数 」 、 Shape は 「 テ ン ソ ル の 形 」 を 意 味 し ま す ( 表 1. l) 。 ま た 、 Tensor Rank と Shape, Type 差 し 支 え あ り ま せ ん 。 扱 い ま す 。 以 後 、 Tens 。 rFI 。 w の 文 脈 で 触 れ る 「 Tensor 」 は 、 「 n 次 元 の 多 次 元 配 列 」 と 考 え て TensorFIow は 、 グ ラ フ を 構 成 す る す べ て の オ ペ レ ー シ ョ ン を 「 Tensor ( テ ン ソ ル ) 」 と し て channet] 、 デ ー タ 型 は tf. uint83 と な り ま す 。 第 1 章 TensorFlow の 基 礎 11

TensorFlowはじめました2 機械学習で超解像─Super Resolution (NextPublishing)


目 次 本 書 に つ い て ・ 本 書 の 構 成 ・ 前 提 知 識 ・ 開 発 環 境 ・ 検 証 環 境 ・ ソ フ ト ウ ェ ア の ノ ヾ ー シ ョ ン ・ サ ン プ ル コ ー ド の 配 布 ・ サ ポ ー ト ・ 表 記 関 係 に つ い て ・ 著 作 権 に つ い て ・ 免 責 事 項 ・ ラ イ セ ン ス ・ 第 1 章 TensorFlow の 基 礎 ・ TensorFlow と は ・ ・ デ ー タ フ ロ ー グ ラ フ ・ グ ラ フ の 構 築 ・ グ ラ フ の 実 行 ・ テ ン ソ ル (Tensor) Rank と Shape, Type ・ ・ 変 数 と プ レ ー ス ホ ル ダ ー 変 数 ・ ・ プ レ ー ス ホ ル ダ ー 演 算 子 の オ ー バ ー ロ ー ド ・ プ ロ ー ド キ ャ ス テ ィ ン グ ・ TensorBoard に よ る グ ラ フ の 可 視 化 ・ グ ラ フ の 書 き 出 し ・ ・ TensorBoard の 起 動 ・ 第 2 章 CNN で 超 解 像 ・ 超 解 像 と は モ デ ル の 定 義 ・ 学 習 ・ 学 習 デ ー タ の 読 み 込 み ・ ・ 誤 差 関 数 の 定 義 ・ ・ ・ 最 適 化 ア ル ゴ リ ズ ム の 設 定 ・ 4 ・ 4 -4 【 0 門 0 【 0 一 .0 0 、 6 8 8 8 8 0 1 1 ワ 朝 2 6 8 8 0 11 1 ー 亠 1 亠 っ 朝 1 1 1 ワ っ 朝 ワ 朝 8 一 8 一 ワ ワ 朝 ワ 朝 ワ 朝 ワ 朝 ワ 1 ワ 3 目 次 2