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」書評。購入を迷っている方へ

良書「ゼロから作るDeep Learning

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

パーセプトロンからニューラルネットワークへ 2章では、パーセプトロンが何なのか、どのような利点があるのかを学習しました。 パーセプトロンの利点は、何層にも重ねることができるということがありました。 3章ではそれを実際にプログラムを書くことで実感することができます。 手書き文字認識なんて本を開く前は遠い存在のように感じますが、たった3章で作ることができるものなのですね。 初めて手書き文字認識を実装したときはディープラーニングの世界に足を踏み入れたようでとてもワクワクしました。 実装のアルゴリズムは特別難しいことはなく、数式に慣れていない人が少し活性化関数と聞いて物怖じするかといった感じです。 しかし、関数の性質を理解することに重点をおけば自然となぜその関数が必要なのか理解できると思います。 バッチ処理 この本は2周目ということで少し読み進めるのに余裕が出てきたということでバッチ処理について処理速度を測りながら実装してみました。 バッチ処理とはデータを処理する際に1つずつデータを入力するのではなく、かたまりを作ってデータを入力していく手法です。 例えば10000個のデータがあるときは100個ずつ、など。 この処理を行うことで、莫大なデータでも処理速度を速めることができます。 実際にバッチ処理ありと無しで比べたところ、約0. 7秒ほど速くなりました。 倍率でいうと、4倍以上速度が上がりました。 数値を追いかけながら実装していくと、より理解が深まります。 バッチの数 かたまりの数 を100から徐々に増やしていくとある程度までは速度は上がりますがそこからはあまり変化もありませんでした。 このへんのハイパーパラメータをどのように決めていくかで性能に差が出てくるのだと思います。 4章以降も楽しみです。

次の

ディープラーニングの初心者が読むべき厳選3冊の入門本。ディーラプラーニグ(深層学習)を本で勉強するならこの3冊がオススメ。

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

パーセプトロンからニューラルネットワークへ 2章では、パーセプトロンが何なのか、どのような利点があるのかを学習しました。 パーセプトロンの利点は、何層にも重ねることができるということがありました。 3章ではそれを実際にプログラムを書くことで実感することができます。 手書き文字認識なんて本を開く前は遠い存在のように感じますが、たった3章で作ることができるものなのですね。 初めて手書き文字認識を実装したときはディープラーニングの世界に足を踏み入れたようでとてもワクワクしました。 実装のアルゴリズムは特別難しいことはなく、数式に慣れていない人が少し活性化関数と聞いて物怖じするかといった感じです。 しかし、関数の性質を理解することに重点をおけば自然となぜその関数が必要なのか理解できると思います。 バッチ処理 この本は2周目ということで少し読み進めるのに余裕が出てきたということでバッチ処理について処理速度を測りながら実装してみました。 バッチ処理とはデータを処理する際に1つずつデータを入力するのではなく、かたまりを作ってデータを入力していく手法です。 例えば10000個のデータがあるときは100個ずつ、など。 この処理を行うことで、莫大なデータでも処理速度を速めることができます。 実際にバッチ処理ありと無しで比べたところ、約0. 7秒ほど速くなりました。 倍率でいうと、4倍以上速度が上がりました。 数値を追いかけながら実装していくと、より理解が深まります。 バッチの数 かたまりの数 を100から徐々に増やしていくとある程度までは速度は上がりますがそこからはあまり変化もありませんでした。 このへんのハイパーパラメータをどのように決めていくかで性能に差が出てくるのだと思います。 4章以降も楽しみです。

次の

「ゼロから作るDeep Learning」のその先へ... TensorFlowを使いこなす

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

ディープラーニング(深層学習)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べるように構成。 【「TRC MARC」の商品解説】 実際にシステムを作りながらディープラーニングを学ぶ! 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。 【商品解説】 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。 人工知能も初めて勉強します。 この本には、人工知能の原理と、数式と、それを実現するための実際に動くコードが、書かれています。 数学の知識は高校数学までで大丈夫なようですが、数学のセンスというものが必要で、「入力する配列の次元は何を意味しているんだろう?forで何を繰り返しているんだろう?」と、理解するのに時間がかかります。 コードの説明は、ネットで調べられるグラフ描画等の一般的なコマンドについては省略されているので、Pythonが初めての場合は自分で調べる必要があります。 投稿者: げん丸 - 本書では、Pythonを使って、かなり初歩的なパーツの組み立てから始まり、最終的には深層学習を実装していく。 詳しい理論については説明が省かれているが、載っているソースコードを弄ったり実行したりしながら最後まで読むと、深層学習がどのように働いるのか分かる様になっている。 この本を読むまで、深層学習は自分が理解できる範囲からかけ離れた、魔法のような技術なのかと思っていたが、学校で習う基本的な数学の応用であるようだ。 情報系ではなくても、プログラミングを多少でもやったことがあれば理解できる内容。 深層学習に興味がある方にオススメ。 章を追って順にやっていくと、Deep Learning の実装ができるという優れもの。 仮に Python ができなくても、 コードを書くことを仕事にしている人には、 大きな壁にはならない程度に説明してくれています。 (実際に私は C が一番なので、誤差逆伝播法までは C でやったので、 理解を深めることができたと感じています。 ) 数式が出てこないわけではないですが、出てきてもわかりやすく、 基本的にはコードを書きながら、図などを使って説明してくれています。 誤差逆伝播法の計算グラフの説明などは、 イメージを把握するにはとてもわかりやすい説明だなと思いました。 とは言えどこまで行っても数学無しでは理解できないので、 基本的な行列計算と微分の知識は前提になっているかなとは思います。 そこがまだの人は、他の本で少し鳴らしてから読んだほうが入りがいい気はします。

次の