BEGIN:VCALENDAR
VERSION:2.0
PRODID:-//https://techplay.jp//JP
CALSCALE:GREGORIAN
METHOD:PUBLISH
X-WR-CALDESC:ディープラーニング・フレームワークのレパ
 ートリーを増やす会 #3
X-WR-CALNAME:ディープラーニング・フレームワークのレパ
 ートリーを増やす会 #3
X-WR-TIMEZONE:Asia/Tokyo
BEGIN:VTIMEZONE
TZID:Asia/Tokyo
BEGIN:STANDARD
DTSTART:19700101T000000
TZOFFSETFROM:+0900
TZOFFSETTO:+0900
TZNAME:JST
END:STANDARD
END:VTIMEZONE
BEGIN:VEVENT
UID:682058@techplay.jp
SUMMARY:ディープラーニング・フレームワークのレパート
 リーを増やす会 #3
DTSTART;TZID=Asia/Tokyo:20180717T193000
DTEND;TZID=Asia/Tokyo:20180717T213000
DTSTAMP:20260507T225036Z
CREATED:20180628T060526Z
DESCRIPTION:イベント詳細はこちら\nhttps://techplay.jp/event/68205
 8?utm_medium=referral&utm_source=ics&utm_campaign=ics\n\n勉強会趣旨\
 nディープラーニング・フレームワークの使い方を、参
 加者同士で教え合う勉強会です。\n参加者は事前に各
 回のテーマを各自で実装お願いします。得意なフレー
 ムワークで実装ください。\nこの会をきっかけに勉強
 を始めたフレームワークでも結構です。\n勉強会当日
 に、実装したソースコードを本人から解説いただきま
 す。\n事前にGitHubや御自分のブログにソースコードを
 アップいただけると、円滑に発表いただけます。\n勉
 強会内容\n\n参加登録時のアンケートで使用するフレー
 ムワークを回答ください\n参加者各位は、事前に下記
 テーマを実装ください\n当日冒頭に話し合いでフレー
 ムワークごとに発表者を一人決めていただき、発表者
 から本人が実装したソースコードを解説いただきます\
 n発表しない方も、発表者の発表中に適宜、補足説明を
 お願いします\nスライドの準備は必要ありません\n\n実
 装テーマ\n\nタスク:  LSGANによる画像生成 (Least Squares Gen
 erative Adversarial Networks) https://arxiv.org/abs/1611.04076v3\n実装
 内容: 学習、生成画像の表示\nデータ: Food-101の101カテ
 ゴリ中の任意の料理 https://www.vision.ee.ethz.ch/datasets_extra/
 food-101/ 画像を正方形にクロップ（切り出し）してから
 、64x64pixelに画像サイズを縮小し、画素値は[0\, 255]を[-1
 .0\, +1.0]に正規化して使用すること\n目的関数: LSGAN論文
 中の式(2)を参照。ハイパーパラメータa=0\, b=1\, c=1。http
 s://arxiv.org/abs/1611.04076v3\n潜在変数zサンプリング: 標準
 正規分布 N(mu=0\, sigma=1) より100次元ベクトルをサンプリ
 ング\n生成器Gアーキテクチャ: FC(unit512x4x4) - BN - LReLU - R
 eShape(512\, 4\, 4) - Deconv(c256\, k4x4\, s2\, p1) - BN - LReLU - Deconv
 (c128\, k4x4\, s2\, p1) - BN - LReLU - Deconv(c64\, k4x4\, s2\, p1) - BN 
 - LReLU - Deconv(c3\, k4x4\, s2\, p1) - tanh\n識別器Dアーキテク
 チャ: Conv(c32\, k3x3\, s1\, p1) - LReLU - Conv(c64\, k4x4\, s2\, p1) -
  BN - LReLU - Conv(c128\, k4x4\, s2\, p1) - BN - LReLU - Conv(c256\, k4x4
 \, s2\, p1) - BN - LReLU - Conv(c512\, k4x4\, s2\, p1) - BN - LReLU - FC(
 unit1)\nアーキテクチャ詳細:\nFC: Full Connection (out_unit)\nBN:
  Batch Normalization\nLReLU: Leaky ReLU\nDeConv: Deconvolution (out_ch\, 
 kernel_size\, stride\, padding)\nConv: Convolution (out_ch\, kernel_size\
 , stride\, padding)\n識別器DのConvolutionにはDropoutを適用する
 か、あるいはLeakyReLUの直前にノイズ加算を行うこと\n\n
 \nオプティマイザ: G、DともにAdam\n学習バッチサイズ: 20
 \n学習エポックサイズ: 1000 (学習できることを確認でき
 れば、数十エポック程度でも問題なし)\n上記で指定さ
 れていない箇所は、参加者各位で自由に実装ください\
 nテーマ詳細およびアーキテクチャ図: https://github.com/hei
 4/DLRepertoire03\n\nタイムスケジュール\n\n\n\n開始\n終了\n
 内容\n担当者\n\n\n\n\n19:15\n19:30\n開場・受付開始\n\n\n\n19:
 30\n19:40\n本勉強会の説明\nhei4\n\n\n19:40\n19:50\nLSGANの説明\
 nhei4\n\n\n19:50\n20:00\n発表者決め\n参加者全員（司会hei4）
 \n\n\n20:00\n20:20\nChainerの説明\nChainerユーザーの参加者\n\n
 \n20:20\n20:40\nPyTorchの説明\nPyTorchユーザーの参加者\n\n\n20
 :40\n21:00\nTensorFlowの説明\nTensorFlowユーザーの参加者\n\n\n
 21:00\n21:20\nKerasの説明\nKerasユーザーの参加者\n\n\n21:20\n2
 1:30\n（その他フレームワークの説明）\n（該当者がい
 れば）\n\n\n終了後\n-\n次回勉強会について\n参加者全員
 \n\n\n\n会場\n会場は以下の場所となります。 \n東京都中
 央区日本橋3-3-13 永沢ビル3階301号室② \nhttps://goo.gl/Ae13b
 D \nなお、当会場はセキュリティの観点で、不特定多数
 の人が入れないようになっています。 \nつきましては
 、ビルに到着しましたら、３Ｆまで階段で上がってい
 ただき、「リノフト会議室・セミナールーム」という
 案内に従って進んでください。 \n３０１という部屋の
 前に到着したら、右側にある内線で「リノフト②」を
 呼び出してください。中から担当者が迎えに伺います
 。 \n画像付案内が以下URL先にありますので、併せてご
 覧ください。 \nhttps://linoft.com/img/room/%E2%91%A1.jpg \n会場
 にはプロジェクター接続のHDMI、VGAケーブルが用意され
 ています。\n主催者側でHDMI→micro HDMI、VGA→Mini DisplayPor
 tの変換ケーブルを用意します。\n想定参加者\n\nフレー
 ムワークを使って御自身で実装が可能な方\nKeras、MXNet
 、ReNorm、nnabla、Deeplearning4jユーザーの方、歓迎します\n
 \nその他\n\n複数のフレームワークを使える方は、ユー
 ザー数の少ないフレームワークで実装いただけると助
 かります\n参加者同士で学習結果の精度を競い合う目
 的はありません。lossが収束していなくても結構です\n
 ご不明点等ございましたら、当ページのコメント欄を
 活用ください\n\nキーワード\nディープラーニング、深
 層学習、Chainer、TensorFlow、PyTorch、Keras、MXNet、ReNorm、nna
 bla、Deeplearning4j
LOCATION:永沢ビル3階301号室リノフト会議室・セミナール
 ーム② 東京都中央区日本橋3-3-13
URL:https://techplay.jp/event/682058?utm_medium=referral&utm_source=ics&utm
 _campaign=ics
END:VEVENT
END:VCALENDAR