
NVIDIA DIGITS 6のPretrained ModelでGANを試してみた(後編)
NVIDIA DIGITS 6のModel Storeからダウンロードしたceleb-a-gan, celeb-a-gan-encoderを使用して、GAN (Generative Adversarial Network)を試してみました。
機械学習(特に、ディープラーニング(深層学習))、データサイエンスに関する情報を紹介
NVIDIA DIGITS 6のModel Storeからダウンロードしたceleb-a-gan, celeb-a-gan-encoderを使用して、GAN (Generative Adversarial Network)を試してみました。
NVIDIA DIGITS 6のModel Storeからダウンロードしたceleb-a-gan, celeb-a-gan-encoderを使用して、GAN (Generative Adversarial Network)を試してみました。
Docker HubでNVIDIA DIGITS 6 RCのDockerイメージが公開されていましたので、NVIDIA Docker上で新バックエンドTensorFlowと新機能GANの組み合わせを試してみました。
pix2pix-tensorflowのDockerイメージを改造してHED(Holistically-Nested Edge Detection)による高速な線画変換環境を構築してみました。
Keras 2.0のGitHubリポジトリをgit cloneして、Docker環境を構築してみました。
Magentaで画像の高速スタイル変換ができるようになったというニュースがあったので、Magentaの公式Dockerイメージをダウンロードして試してみました。
画像にキャプションを付ける「Show and Tell」のTensorFlow実装であるim2txt。以前の記事では玉砕しましたが、今回の再チャレンジでは、画像のキャプション生成に成功しました。
画像にキャプションを付ける「Show and Tell」のTensorFlow実装がオープンソースになったということなので試してみましたが、見事に玉砕しました。
Stanford Dogs Datasetの120カテゴリーの犬の画像を使って、TensorFlowのInception-v3で詳細画像分類(Fine-Grained Visual Categorization)を実施してみました。
前回の記事において、TensorFlow 0.7.1でconvnet-benchmarksを実行するとエラーが発生しましたので、この対策を行って、CaffeとTensorFlowのどちらが早いのか決着をつけたいと思います。