妻が水耕栽培で種から育てていたアボカドを、そろそろ暖かくなってきたのでベランダプランターにうつす。ちゃんと成長するか楽しみだ。

夢の話の記録。他の人は読んでも全く面白くないと思う。

オーケストラの会場で、高さ5mはあろうかという巨大なコントラファゴットを持っている演奏者がいた。その楽器は何に使うかと奏者に尋ねると、低音が一つ大きく出せるだけの楽器さ、と言う。曰く、むかし劇伴にオーケストラが使われていた時代、どこかの貴族がお遊びで屋敷中のピアノを集めて、使用人に劇中低音を出すために一斉にいくつものピアノの低音を叩かせたらこれが好評で、それが国のブームになり貴族は自身の力・財力を見せるためにやたらとピアノと人を集めて、劇中に利用するようになったという。

しかしながらそのためやたらとコストが掛かり、国中が疲弊していった。これでは疲弊し続ける、と思った一人の楽器職人が立ち上がり、たくさんのピアノと人の代わりになる、大きなファゴットを作り国を救ったのがこの楽器の始まりという。

ただ昔のたくさんのピアノとたくさんの人が演奏する形態のほうが良い、という反巨大ファゴット派もいて、いまは人の代わりに機会を使ってピアノの低音を一斉に叩く方法で人を酷使していない、こちらのほうが優れている、という人と言い争いが始まりだす。

というオチもなにもない夢なのだけど、珍しく鮮明に覚えていて、かつクリエティブな話(?)だったので記す。

機械学習学習日記 - 38日目

まず平仮名認識の精度向上を、昨日に引き続きちょっとやる。画像水増しテクニックの一つである、画像シフトで2ピクセルを8方向にずらしたデータを作り、train データを9倍に水増しして、昨日と全く同じCNNで学習させる。するとそれだけでスコアが98.95%から99.54%へ。ただのベタな水増しでこれなので、元データは基本あればあるだけ良いよなぁ。

識別に間違ったひらがなたち。

続いてscikit-learnとTensorFlowによる実践機械学習の15章、RNNとCNNを使ったシーケンスの処理を読む。

RNNは再起ニューロンでなぜうまく動くのかがなんとなくしか解らず、難しいなぁ。自分の理解力が悪いだけかもしれないけど。単純なRNNから、長いデータを扱うRNNをうまく処理できるLSTM、GRUの説明、そして1次元畳み込み処理+GRU。おおー、いままでは画像処理でCNNを使ってたので2次元折りたたみばかり頭にあったけど、1次元折りたたみはこう使えるのか。