cBlog

Tips for you.

ゼロから作るDeep Learning読むお( ^ω^)

スポンサーリンク
※当ブログのAmazon、iTunes、サウンドハウス等のリンクはアフィリエイトを利用しています。

買いましたー。

f:id:cruller:20161030235339j:plain

 

私の浮気性がまた発火してしまいました。(作曲はどうした。ギターはどうした。)

ほしい物リスト→から誰も贈ってくれないし、Amazonでずっと在庫切れだったので久しぶりにリアル店舗で買いました。残っていた図書カードフルバーストしました。

個人的に人工知能には勝手にアンチパシーを感じていました。普通に評価関数使う手法だったり単にシーケンシャルな手法だったりしか知らないので。私の知らない手法がこんなに強力でしかも人気あるなんて(わなわな)という感じです。

そんな中、いい本が出てくれました。

ディープラーニングの本格的な入門書。外部のライブラリに頼らずに、Python 3によってゼロからディープラーニングを作ることで、ディープラーニングの原理を楽しく学びます。
ディープラーニングやニューラルネットワークの基礎だけでなく、誤差逆伝播法や畳み込みニューラルネットワークなども実装レベルで理解できます。
ハイパーパラメータの決め方や重みの初期値といった実践的なテクニック、Batch NormalizationやDropout、Adamといった最近のトレンド、自動運転や画像生成、強化学習などの応用例、さらには、なぜディープラーニングは優れているのか?なぜ層を深くすると認識精度がよくなるのか?といった“Why"に関する問題も取り上げます。

(Amazon商品紹介より)

ブラックボックスがキライなcrullerにぴったりじゃないですか! これで最新の技術に追いつくことができます。(できません。)

 

そんなこの記事は本の紹介だし勉強メモだし。時間を見つけて読み進め、連載にします。

 

書籍紹介

誰のための本か

  • 外部ライブラリを使わずに、ゼロからディープラーニングをPythonで実装する
  • Pythonの使い方も軽く説明する
  • 簡単な機械学習からスタートし、最終的には高精度な画像認識システムを実装する

 

誰のための本ではないか

  • ディープラーニングについての最新の研究は扱わない
  • CaffeやTensorFlow、Chainerなどの説明はしない
  • ディープラーニング、特にニューラルネットワークの詳細な理論的解説はしない
  • チューニングの説明はしない
  • GPUによる高速化はしない
  • 自然言語処理や音声認識などは扱わない

 

勉強メモ

1章 Python入門

  • Python 3、NumPy、Matplotlibを使用(Anacondaをインストール)
  • クラスや関数、文の説明
  • NumPy:NumPy配列の使い方
  • Matplotlib:グラフのプロット、画像の表示

 

参考

yaritakunai.hatenablog.com

yaritakunai.hatenablog.com

てへ☆

 

2章 パーセプトロン

  • パーセプトロンは入出力を備えたアルゴリズム
  • パーセプトロンでは、パラメータは重みとバイアス
  • パーセプトロンを用いれば論理回路を表現可能
  • 単層のパーセプトロンは線形領域しか表現できないが、多層のパーセプトロンは非線形領域を表現可能(e.g. XORゲート)
  • 多層のパーセプトロンは、理論上コンピュータを表現可能

 

3章 ニューラルネットワーク(3.5節まで)

  • ニューラルネットワークでは、シグモイド関数やReLU関数といった関数を利用
  • 機械学習の問題は、回帰問題と分類問題に大別
  • 活性化関数には、回帰問題では恒等関数を使用
  • 活性化関数には、分類問題ではソフトマックス関数を使用
  • 分類問題では、出力層のニューロン数=分類するクラス数に設定

 

ここまで、私お得意の読むだけ勉でした。この後、コンピュータを触ります。

ゼロから作るDeep Learning ―Pythonで学ぶディープラーニングの理論と実装

ゼロから作るDeep Learning ―Pythonで学ぶディープラーニングの理論と実装