この2ヶ月ほど業務でGradient Boosting Decision Tree(GBDT)を使用しており、性能の高さに感心し、決定木のアルゴリズムに興味を持ちました。決定木の分岐条件の作り方について調べた時に、性能向上に繋がりそうな改 善策を思いついたので、実装して本当に性能が向上するか試してみてみたくなりました。
決定木を作るためのアルゴリズムはID3, ID4.5, CARTなどいくつか存在します。私が調べた範囲では、どのアルゴリズムも
- 特徴量は全て独立変数であると考える
IntelがDNNのCPU実行を高速化するiDeepというモジュールを開発し、chainer 4.0.0からiDeepを使えるようになった。
どんな処理がどれくらい速くなるのか確認したい。
Ubuntuならpipでインストールできる。
import ctypes | |
import queue | |
import threading | |
import multiprocessing | |
from multiprocessing.managers import SharedMemoryManager | |
from time import time | |
def main(): | |
test_configs = [ |
これは Raspberry Pi Advent Calendar 2020 12月6日分の投稿記事です。
Raspberry Pi Zero WHを使い、気温・湿度・CO2を計測、記録する装置を作り、約半年運用しました。気づいたことは
import os | |
import model | |
def main(): | |
check_speed(model.MobileNetV2()) | |
check_speed(model.ResNet50()) | |
check_speed(model.EfficientNetLite4()) | |
check_speed(model.SSDMobileNetV1()) | |
check_speed(model.TinyYOLOV3()) |
自分のtypoの多さが気になっているが、書いた文をじっくり読み返して校正するのが面倒なので誰かに校正してほしいと常々思っている。既存の日本語校正ツールには使いづらい点があったため、自分で入力ミス訂正ツールを作ってみた。
以前の日本語校正ツールについての記事で
日本語の文字列に機械的に誤りを加えることで、無尽蔵の学習データを手に入れられるかもしれない。
と書いた。今回はこれを検証した結果を報告する。
目次