ニューラルネットワークと深層学習(日本語訳)

CHAPTER1 ニューラルネットワークを用いた手書き文字認識
https://nnadl-ja.github.io/nnadl_site_ja/chap1.html

CHAPTER2 逆伝播の仕組み
https://nnadl-ja.github.io/nnadl_site_ja/chap2.html

CHAPTER3 ニューラルネットワークの学習の改善
https://nnadl-ja.github.io/nnadl_site_ja/chap3.html

CHAPTER4 ニューラルネットワークが任意の関数を表現できることの視覚的証明
https://nnadl-ja.github.io/nnadl_site_ja/chap4.html

CHAPTER5 ニューラルネットワークを訓練するのはなぜ難しいのか
https://nnadl-ja.github.io/nnadl_site_ja/chap5.html

CHAPTER6 ディープラーニング
https://nnadl-ja.github.io/nnadl_site_ja/chap6.html

ブックマーク

アカツキ ロジカルクリエイティブ
Logic05 XRの未来を見据えた技術とデザインの資産構築https://cgworld.jp/interview/201903-akatsuki%20.html

pix2pixの紹介 – 株式会社クロスコンパス
https://www.wantedly.com/companies/xcompass/post_articles/76117

ディ ープラーニングによ る 画像生成の最前線 (応用)
https://www.iieej.org/trans/20161118-shyuki_shimo.pdf

機械学習の情報を手法を中心にざっくり整理
https://qiita.com/ishizakiiii/items/f6909696c616fd6294ca

深層生成モデルライブラリ「Pixyz」にかける思い
https://www.wantedly.com/companies/weblab/post_articles/156907

StyleGAN: A Style-Based Generator Architecture for Generative Adversarial Networks
https://sakuma-dayo.hatenablog.com/entry/2019/03/06/201429

DeNA TecCon 2019
https://engineer.dena.jp/2019/03/dena-techcon-2019-best-talks.html

IIBMP2016 深層生成モデルによる表現学習
https://www.slideshare.net/pfi/iibmp2016-okanohara-deep-generative-models-for-representation-learning

京都大学集中講義:機械学習と深層学習の数理と応用
http://ibis.t.u-tokyo.ac.jp/suzuki/lecture/2018/

Unreal Engine 4 の Vulkan サポート

Vulkan API の歴史を遡ってみると、最初に Khronos から新しい API の発表があったのは GDC 2015 (3月) でした。自分も当時、ロサンゼルスのモスコーン・センターの会場にて発表の瞬間に立ち会っていた数少ないうちの一人でした。

それから最初の SDK 1.0 の提供が開始されたのは、約一年後の2016年2月ごろだったと思います。当時 Windows での動作は確認していましたが、Android 版は対応デバイスやOSがまだプレビューで夏頃になってようやく、正式な対応端末が出た記憶があります。

2016年6月1日リリースの UE 4.12 から Unreal Engine 4 は Vulkan のサポートが始まりましたが、この時点ではまだプレビュー版です。
http://api.unrealengine.com/JPN/Support/Builds/ReleaseNotes/2016/4_12/index.html

2016年11月15日リリースの UE 4.14 で Android Vulkan の正式サポート開始。出荷しても問題レベルに達しているとの記載あり。
http://api.unrealengine.com/JPN/Support/Builds/ReleaseNotes/2016/4_14/index.html

2018年12月 にリリースされた UE 4.21 で Linux のデフォルトレンダラーが Vulkan に変更。
http://api.unrealengine.com/JPN/Support/Builds/ReleaseNotes/4_21/index.html

Unreal Engine 4 の メモ

UE4 で言う Pawn とはチェスの駒のポーンとかのイメージ?

Spawn は配置の意味で使われる。ゲーム中に動的に何か Actor を配置したい時には SpawnActor を使う。UE4 で唯一動的に作る場合はこの SpawnActor しかない?

Actor

アクターはワールドに配置またはスポーン可能なオブジェクト。事前にレベル上に置いておけるし、動的に SpawnActor とかすることも出来る。基本的にはアイテムのような静的な prop とかに使われる。

Pawn

プレイヤーや AI コントローラからの入力を受け取れる。そのため NPC や敵を配置して動かしたい時は、これが使われる。

Character

Object <- Actor <- Pawn <- Character 継承関係。
Pawn のサブクラス。Player として使うことを想定しているため、プレイヤーのコリジョンや歩行速度などのパラメータを保持している。

Player Controller

Object <- Actor <- Controller <- PlayerController 継承関係。
プレイヤーが利用するPawn (Character)の制御を行うアクタ。ゲームパッドでボタンが押されたら、それを Pawn に通知する。

Unreal Engine 4 を Windows でビルド

Epic Games Unreal Engine
https://github.com/EpicGames/UnrealEngine

ここで書かれているビルド手順に従えば問題なくビルドが通り起動する。一点、自分で問題があったのは UE4 プロジェクトをスタートアップに設定し忘れて起動しなかっただけでした。

[UE4] エンジンのソースコード取得とビルド手順のまとめ
http://historia.co.jp/archives/231/

少し古いですが、こちらの記事も役に立ちました。特に、最後の方に書かれているツールバーのカスタマイズは参考になりました。

macOS での Anaconda コマンド

conda でインストールするのと、conda の上の pip でインストールするのとどちらが良いのでしょうか。

# 新しい環境の構築
# python3.6 で tfcpu という環境を構築
conda create -n tfcpu python=3.6

# 作った環境の削除
conda remove -n tfcpu –all
※–all のところに注意。ハイフンハイフン。WordPressが自動変換してる。

# 作った環境一覧表示
conda info -e

# 作った環境のアクティベート
# Windows は activate tfcpu のみでよい
conda activate tfcpu

# 作った環境のデアクティベート
conda deactivate

# tensorflow のインストール
conda install tensorflow

# keras のインストール
conda install keras

# jupyter notebook のインストール
conda install notebook

# Matplotlib のインストール
conda install matplotlib

# scikit-learn のインストール
conda install scikit-learn

# Jupyter notebook の起動
jupyter notebook

Windows で Anaconda を使った Tensorflow

新しい Tensorflow の実行環境の構築

Anaconda で新規環境を作る時に、usename -> AppData -> Local -> Continuum -> anacconda3 -> envs に同名のフォルダが存在していると、新規環境が作れないので注意。

Anaconda Navigator を起動して、Environment タブから Create をして、新しい環境の設定を行う。Name は tf-cpu / Python は 3.7 で設定。なお Tensorflow GPU 版をインストールするためには、Python 3.6 でないとインストール出来なかった。

再生ボタンを押して Open Terminal を起動させ、コマンドに下記を打ち込むとインストールできる。CPU 版と GPU 版で違うので注意。

conda install tensorflow
conda intsall tensorflow-gpu

Keras
conda install keras

Matplotlib
conda install matplotlib

scikit-learn
conda install scikit-learn

OpenCV
conda install -c conda-forge opencv
pip install opencv-python

PIL
conda install -c anaconda pillow

Jupyter Notebook の起動

Anaconda Navigator の Home から Application on 環境名 を選択した状態で、Jupyter Notebook を Install ボタンを押す。インストールが完了すれば起動できる。

DirectX12 のブックマーク

Direct3D 12 graphics
https://docs.microsoft.com/en-us/windows/desktop/direct3d12/direct3d-12-graphics

Direct3D 12 特集
https://www.isus.jp/games/directx-12/

Learning DirectX 12 – Lesson 1 – Initialize DirectX 12
https://www.3dgep.com/learning-directx12-1/
Lesson 1~3 まであり、分かりやすいです

Microsoft DirectX 12 and Graphics Education
https://www.youtube.com/channel/UCiaX2B8XiXR70jaN7NK-FpA/videos

HelloD3D12 DirectX 12 Sample
https://gpuopen.com/gaming-product/hellod3d12-directx-12-sdk-sample/

DirectX Raytracing

A Gentle Introduction To DirectX Raytracing
http://cwyman.org/code/dxrTutors/dxr_tutors.md.html

DX12 Ray Tracing Tutorials
https://news.developer.nvidia.com/dx12-raytracing-tutorials/

DX12 Raytracing tutorial – Part 1
https://developer.nvidia.com/rtx/raytracing/dxr/DX12-Raytracing-tutorial-Part-1

DX12 Raytracing tutorial – Part 2
https://developer.nvidia.com/rtx/raytracing/dxr/DX12-Raytracing-tutorial-Part-2