機械学習

差分

このページの2つのバージョン間の差分を表示します。

この比較画面へのリンク

--- 機械学習 [2019/11/20 01:19] – 作成 nabezo
+++ 機械学習 [2020/09/19 18:05] (現在) – [tensorflow] nabezo
@@ 行 2: / 行 2: @@
 取りあえずtensorflowをやってみる(googleが開発している＋M5StickVがtensorflowliteなので）
+googleの[[colaboratory]]でためす
+==== モデル ====
+  * MobileNetは画像認識(Classification)モデル
+  * YOLOは物体認識(Object Detection)モデル
+==== 参考 ====
+https://qiita.com/tomo_makes/items/5d6f5860bb793e3b354a
+Deep Learning基礎講座演習コンテンツ 公開ページ
+https://weblab.t.u-tokyo.ac.jp/deep-learning%e5%9f%ba%e7%a4%8e%e8%ac%9b%e5%ba%a7%e6%bc%94%e7%bf%92%e3%82%b3%e3%83%b3%e3%83%86%e3%83%b3%e3%83%84-%e5%85%ac%e9%96%8b%e3%83%9a%e3%83%bc%e3%82%b8/
+===== tensorflow =====
+学習済モデルの場所  https://tfhub.dev/
+tensorflow.jsをNode.jsで実行する
+https://qiita.com/shisama/items/33d34b0b1774f69f8a96
 ===== keras =====
 https://keras.io/ja/
@@ 行 8: / 行 26: @@
 pythonで実行する
 ==== install ====
-  python
+  sudo pip3 install --upgrade tensorflow
+  sudo pip3 install h5py
+  sudo pip3 install keras
+==== yoro ====
+keras−yolo3の学習方法 https://sleepless-se.net/2019/06/21/how-to-train-keras%E2%88%92yolo3/
+===== 環境構築 =====
+Raspberry Pi 4のディープラーニングで画像認識する環境をゼロから1時間で構築する方法
+https://karaage.hatenadiary.jp/entry/rpi4-dl-setup
+===== teachable machine =====
+作成したモデル(keras)をpythonで実行
+https://github.com/mjdargen/Teachable-Machine-Object-Detection
+作成したモデル(tensorflowlite)をpythonで実行
+https://www.rs-online.com/designspark/google-teachable-machine-raspberry-pi-4-cn
+https://www.digikey.com/en/maker/projects/raspberry-pi-teachable-machine-teachable-pi/88c52e75f3d247fc9035480e6a1c17b1
+==== posenet ====
+[[姿勢推定]]

機械学習.1574180378.txt.gz · 最終更新: 2019/11/20 01:19 by nabezo