書籍『ゼロから作るDeep Learning』で自分なりに学ぶ

もう1年以上前になりますが、書籍「イラストで学ぶ ディープラーニング」を購入して少しずつ読み進めていたのです。↓



ところが、読み進めている途中で壁にぶち当たりました。この書籍、途中からどんどん数式率が上がって行き、あんまりイラストで教えてくれなくなるんですよ(笑)

数式が苦手だから「イラストで学ぶ」に期待していたのですが、考えが甘かったようです。
載っているサンプルコードは各種Deep Learningライブラリの使い方なので、肝心の仕組みは当然隠蔽されていて、そこから仕組みを理解するのは難しい。(ライブラリの使い方を覚えられる分実践的なんだけどね)

なので、実装しながら仕組みを理解していく方針に切り替えることにした。
ということで、こちらの書籍に頼ることにしました↓ (すぐ書籍買っちゃう)

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

Pythonのサンプルコードと、書籍の正誤表はGitHubにある↓
https://github.com/oreilly-japan/deep-learning-from-scratch
https://github.com/oreilly-japan/deep-learning-from-scratch/wiki/errata

これでディープラーニングを作れる(笑)



書籍のサンプルコードはPythonですが、そこは慣れたUnity(というかC#)環境に置き換えて学ぼうと思い、PythonのNumPyに代わる数値計算ライブラリを探していたのでした。
Math.NET Numerics:Unityで使える数値計算ライブラリ
立て続けにUnityの話題ですが。数学的なことをUnityで勉強しようかなという気分になってきた。お勉強用途だと最近はPython、というかPythonのNumPyが手軽で良く使われてるイメージ。Unityでも使える数値計算ライブラリが無い...


で、Math.NET Numerics導入後に少し調べたら、似た発想の人がいた↓
http://tnakamura.hatenablog.com/entry/2016/12/05/perceptron
http://tnakamura.hatenablog.com/entry/2016/12/08/sigmoid-relu-softmax
http://tnakamura.hatenablog.com/entry/2016/12/15/mnist
http://tnakamura.hatenablog.com/entry/2016/12/16/three-layer-neural-network
http://tnakamura.hatenablog.com/entry/2017/01/30/loss-function
http://tnakamura.hatenablog.com/entry/2017/02/08/numerical-differentiation
http://tnakamura.hatenablog.com/entry/2017/02/10/numeric-gradient
http://tnakamura.hatenablog.com/entry/2017/02/15/gradient-descent
http://tnakamura.hatenablog.com/entry/2017/02/20/gradient-simplenet
https://github.com/snaga/DeepLearning_C_Sharp

せっかくなので実装の参考にさせていただこう。Math.NET Numericsの使い方を知るのに良いサンプルだ。
Unity上で動作の仕組みを可視化できたら最高なんだが、そこまで行けるだろうか。

2019年 追記:今ならMath.NET Numericsじゃなくて、このNumSharpを使った方が良いと思う↓
NumSharp:C#で使えるNumPyライクな数値計算ライブラリ
C#で書かれたNumPy風の数値計算ライブラリ。Apache License 2.0だそうです。NumSharpNumSharpは.NET StandardをターゲットとしたNumPyのC#ポートです。NumSharpはC#で科学計算を行う...

パーセプトロン、ニューラルネットワークのイメージ

書籍とは関係ないけど、パーセプトロン、ニューラルネットワークの働きをビジュアル化するとこんなイメージらしい↓



色んなアルゴリズムをこんな感じで可視化できると理解が捗るだろうなぁ。

関連記事

仮想関数

MythTV:Linuxでテレビの視聴・録画ができるオープン...

uvでWindows11のPython環境を管理する

2D→3D復元技術で使われる用語まとめ

CNN Explainer:畳み込みニューラルネットワーク可...

Google製オープンソース機械学習ライブラリ『Tensor...

OpenGVの用語

FacebookがDeep learningツールの一部をオ...

Amazon Web ServicesでWordPress

Structure from Motion (多視点画像から...

Autodesk Mementoでゴジラを3次元復元する

ManimML:機械学習の概念を視覚的に説明するためのライブ...

機械学習について最近知った情報

Javaで作られたオープンソースの3DCGレンダラ『Sunf...

書籍『コンテンツの秘密』読了

Raspberry PiでIoTごっこ

Perfumeのライブパフォーマンスのビジュアル

Unity ARKitプラグインサンプルのドキュメントを読む

Qlone:スマホのカメラで3Dスキャンできるアプリ

SSII2014 チュートリアル講演会の資料

画像認識による位置情報取得 - Semi-Direct Mo...

Gource:バージョン管理の履歴を可視化するツール

手を動かしながら学ぶデータマイニング

ROSの薄い本

動的なメモリの扱い

Python.NET:Pythonと.NETを連携させるパッ...

WordPress on Windows Azure

Runway ML:クリエイターのための機械学習ツール

Webスクレイピングの勉強会に行ってきた

Windows10でPyTorchをインストールしてVSCo...

ArUco:OpenCVベースのコンパクトなARライブラリ

Faster R-CNN:ディープラーニングによる一般物体検...

OpenCVでカメラ画像から自己位置認識 (Visual O...

WordPressのサーバ引っ越し方法を考える

まだ続くブログの不調

書籍『ピクサー流 創造するちから』読了

書籍『ジ・アート・オブ・シン・ゴジラ』の発売日が2016年1...

OpenCVで平均顔を作るチュートリアル

畳み込みニューラルネットワーク (CNN: Convolut...

Multi-View Environment:複数画像から3...

Unityからkonashiをコントロールする

Unite 2017 Tokyoに行ってきた

コメント