Welcome to Magazine Prime

Sony N.N. 大勉強会に参加

大崎で開催された「Sony N.N. 大勉強会」に行ってきました。 発表は2件でした。 1. 神谷さん(LabBiz社CEO) : Sony NN Consoleでジェスチャー認識器の設計・実装 2. 小林さん(Sony NN 開発者) : Sony NN ConsoleでRNN 両発表はとても内容が充実していて、 ①Sony NN Consoleでこんな使い方ができるんだ。 ②RNNの概念が理解できた!との収穫がありました。 そして、参加人数は100人で、 (1) Deep learningを知っている人が殆ど、 (2) Sony NN Consoleを使ったことがある人は半分程度 (3) 30代の男性がメインで、オヤジたちもよく見える感じ。女性の比率は高くない。 でした。

[JPN] Sony Neural Network ConsoleでCIFAR-10のイメージを学習させてみる。(2)

前回の記事で、CIFAR-10のDATASETを準備しました。     今回は、このDATASETを用いて、Sony Neural Network Console(以下、Sony NN Console)で、Convolution Neural Network(以下、CNN)を構築し、学習させることにします。 まず、下記のような基本的なCNNを作成します。これはTensorflowなどでMNISTデータを認識するときによく紹介される基本的なネットワークです。 簡単に説明しますと、Convolution-ReLU-(Max)Poolingを2回行った後、FC(Fully Connected Layer)-ReLUを2回行います。その後、Softmax関数で認識した画像を分類します。 今回のCIFAR-10に使うSony NN Console版のCNNは、こちらになります。 詳細設定は下記の表を参考にしてください。   それでは、DATASETを読み込む操作について説明します。 まず、DATASETのTabを選択し、Openボタン→Open Datasetを選択します。(下記の絵で赤い枠で表記) ここで、前回の記事で作成したtrain-cifar10.csvを選択します。 そうなりますと、train-datasetの中身が表示されます。x:image列にpngデータ。y:label列にラベルが表示されます。 まずは、train-datasetを読み込み、次にはtest-datasetを読み込みます。 完了したら、下記のようにDatasetsに情報が表示されます。 次に、Trainingを実施します。今回はEpoch = 10までに実施してみました。 使用環境は、CPU: Core-i5 , RAM : 16GB, GPU : Nvidia-Quadro K2000 4GBでした。 Epoch-10までの学習時間は6分13秒でした。 次に、Evaluationを実施し、Accuracyを算出してみます。 なんと29.56%。かなり低いですね。 これは後からの調査でわかりましたが、Batch Normalizationを入れることで、精度がアップするらしいです。 そのBatch Normalizationに関しては、次回の記事に紹介します。 今日はまず、Sony NN ConsoleでCIFAR-10の学習が出来たことで終わります。ありがとうございました。  

[JPN] Sony Neural Network ConsoleでCIFAR-10のイメージを学習させてみる。(1)

こんにちは。今日はSony Neural Network ConsoleでCIFAR-10のイメージを学習させる方法をご紹介します。   まず、Sony Neural Network Console(以下、Sony NN Console)とは。 : Sonyが開発したディープラーニング統合開発ツール。Neural Networkの設計に特化したツールで、プログラミングに詳しくなくても、すぐ使えることが一番の特徴。 下記のHPでダウンロードできます。 https://dl.sony.com/ja/    CIFAR-10とは? Toronto大学で収集・整理・配布しているイメージDataSet 画像サイズは32*32 ピクセル。カラーイメージ(R,G,B) 10クラス(分類)の画像がそれぞれ6,000枚、計60,000枚の画像で構成 そのうち、50,000枚が学習データ(Train Data)。10,000枚がテストデータ(Test Data)。 クラスは、airplane, automobile, bird, cat, deer, dog, frog, horse, ship, truck https://www.cs.toronto.edu/~kriz/cifar.html Sony NN Console用にCIFAR-10のDATASETを作る手順  CIFAR-10 DATASET (png)をダウンロードする。  Sony NN Networkを起動  ダウンロードしたDATASETをSony NN Networkを利用して、専用のDATASETを作成。 絵で書くと下記のようなイメージです。 まず、CIFAR-10 DATAsetをダウンロードします。 リンク(175MB) → https://drive.google.com/open?id=1Rmmb8YRgIcOU_BleUfVzks_QZCjK66EK 圧縮を解凍すると下記のようなフォルダーが現れます。 Testフォルダの下に、10個に分類(クラス)されたフォルダが現れ、それぞれのフォルダーは、32*32 ピクセルのカラーイメージファイルがpngフォーマットして格納されています。 Trainフォルダには、50,000枚のpngデータ、Testフォルダーには10,000枚のpngデータが入っています。 2. 次は、Sony NN Consoleを立ち上げ、専用のDATASETを作成する方法を説明します。 順番としては、先にTrain DATASETを作成し、次にTest DATASETを作成することにします。 (1) 画面の左部分のDATASETを選択し、 (2) Create Datasetを選択します。 その後、Create DatasetのWindowが表示されます。 Create DatasetのWindowの中を下記のように設定します。 Source Dir : 解凍したpngデータが入っているフォルダーを指定します。 Output Dir : Sony NN Console 専用のDATASET (train data)が入るフォルダーを指定します。 Shaping Modeは、Trimming, Paddingのどちらでも構いません。(32*32 -> 32*32変換なので) Output Color Channel : 3 (RGB)にします。 Output width, Output height はともに32にします。これで32*32 pixelのデータが作成されます。 File Name : Output file 1にtrain-cifar10.csvを入れ、Ratioを100%にします。 この機能は、DATASETから、Trainとtest DATASETを自動で作成してくれる機能です。 今回のCIFAR-10では、最初からTrainとTest […]

CPUの創りかた。TD4を作ってみました。

下記のリンクにTD4のEAGLE CADファイルが入っています。 TD4_EAGLE CAD Files ファイルをUpgradeときには、CADの著者の私にも知らせてください。もっといいCADファイルに仕上がることを楽しみにしています。(e-mail: seonghun.choe@gmail.com) TD4の基板が必要な方には下記の価格でお渡しします。現在9組が残っています。 基板の一組の構成:メイン基板1枚、ROM基板1枚 合計2枚 。BOM(部品リスト)も一緒に提供します。 BOM (部品リスト): TD4_部品内容(Update) (2017/11追加) 組み立て説明書: 20171116_TD4_Assembly  (2017/11追加)  

Arduboy Tetris

ArduboyのTetrisを購入してみました。価格は店頭で5800円。ちょっと高めですが、コンセプトが面白かったため、迷わず買ってみました。 サイズは、名刺と同じサイズです。ちょうどズボンのポケットに入る程度です。紫色に統一した基板とアルミケースがかっこいいですね。 早速、分解してみます。 LiPoバッテリーが見えてきました。容量は180mAh。そして、左下に見える丸い部品はスピーカーです。 アルミケースの裏側、バッテリーを固定するための両面テープが見えます。(笑) では、フロントパネルを外してみます。   デザイン的にいいなと思ったのが、ダイソンの掃除機のように、内部部品が見えるように配置したことです。 気になったのは、コントローラーの部品でした。Raspberry PIでGameboyを作ったことがありますが、その時一番苦労したのがコントローラーでした。 任天堂のコントローラーはタッチ感がいいのに、自分で作ったものは固くて、とてもゲームすることすらできませんでした。 なるほど。メンブレンスイッチを使っています。詳しくみると。丸い下部電極の上に十字の上部電極が乗っています。 但し、固定は透明テープのみです。なるほど。 タッチの間隔は悪くありませんでした。 こちらがコントローラーのぶ遺品です。ちょっと粗末に切られていますね。(笑) 斜めから見たらこんな感じ。 こちらはフロントパネル。材質はポリカボネートだと思います。   こちらはメインコントローラーであるATMega328。当たり前ですが、Arduino Unoの MPUです。 感想 かなり面白いコンセプトの製品。 5800円は高すぎる。2000円程度が適当。この値段なら爆発的に売れるかもしれない。 この構成なら個人でも作れると思いました。Arduinoって、こんな使い方がありましたね。

Deeplearning入門書の紹介

親友の朴さんのため、Deep learningの入門書を紹介します。 人工知能は人間を超えるか ディープラーニングの先にあるもの 東大の松尾豊教授の著書。 人工知能の歴史の説明を中心にわかりやすい説明が特徴。 2015年に発汗され、すぐベストセラーになっている。日本の人工知能を引き起こした一冊とも言える。 https://goo.gl/yWfb3M   ちなみに、韓国にも翻訳され、ベストセラーになっている。 https://goo.gl/1NpJgx      

Powermat CEO calls wireless charging a ‘standard feature in the next iPhone’

Wireless charging is widely expected to be on one if not all new iPhone models later this year, and the CEO of a prominent wireless charging technology company appears to consider it a done deal. Powermat CEO Elad Dubzinski called wireless charging ‘a standard feature in the next iPhone’ ahead of any official iPhone 7s or iPhone 8 announcement. Powermat CEO calls wireless charging a ‘standard feature in the next iPhone’ http://gigazine.net/news/20170426-wireless-charging-next-iphone/  

AW4PとPMAが統合しAirfuel Allianceを発足(2015年9月)

  最近、Rezenceに対するニュースが出ないことに気づき、いろいろ調べて見たら磁場共鳴を推進していた2つの団体が統合されていることがわかりました。半年以上前ですね。 いつも思いますが、ネーミングセンスが悪いですね。 競合相手のWPT と比較してみてください。: Wireless Power Transfer   A4WP : Alliance For Wireless Power PMA : Power Matters Alliance Merged wireless charging groups A4WP and PMA rebrand as AirFuel Alliance Following their announcement earlier this year to merge, the Alliance For Wireless Power (A4WP) and Power Matters Alliance (PMA) rebranded to the AirFuel Alliance on Tuesday. The new name signifies the two groups effort to work together for a more unified smartphone and tablet wireless charging solution. The two groups were separate over a number of years and together face a formidable competitor in the Wireless Power Consortium (WPC), which offers the popular Qi wireless charging standard used in […]

LTSpice XVII マルチモニターの表示

今年、LTSpiceがIVから一気にXVIIにアップデートしました。 ユーザーとして一番嬉しいニュースは、マルチモニターのサポートです。 今日は、その実例をご紹介します。 まず、LTSpiceのファイルを一つ開き、シミュレーションを実行させます。 今回は、R1にかかる電圧の周波数特性を表示させています。LTSpice ユーザーには慣れている画面の構成で、計算結果とSchematicが上下のWindowに分離されています。 LTSpice IVでは、ここで終わりましたが、LTSpice XVIIでは、気になるWindowsにカーソルを移動し、右クリックをするとFloat Windowというメニューが表示されます。これをクリックしてみます。 その結果、別のモニターに全画面表示をすれば、下記の図のようになります。(二つのモニターの解像度が異なるので、下記のようなキャプチャ画面になってしまいます。ご了承ください。) やはり、いいですね。作業性が大きく上がる気がします。 LTSpice IVを使っている皆さんは、早めにアップデートをおすすめします。