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)


スポンサーリンク


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...


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。 NumSharp NumSharp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...


スポンサーリンク

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。


スポンサーリンク

関連記事

OpenCVで顔のランドマークを検出する『Facemark API』
Faster R-CNN:ディープラーニングによる一般物体検出手法
iOSで使えるJetpac社の物体認識SDK『DeepBelief』
フォトンの放射から格納までを可視化した動画
WordPressの表示を高速化する
pythonの機械学習ライブラリ『scikit-learn』
SSII 2014 デモンストレーションセッションのダイジェスト動画
Verilog HDL
OpenCV 3.3.0 contribのsfmモジュールのサンプルを動かしてみる
NumSharp:C#で使えるNumPyライクな数値計算ライブラリ
書籍『メモの魔力』読了
DensePose:画像中の人物表面のUV座標を推定する
Point Cloud Consortiumのセミナー「3D点群の未来」に行ってきたよ
.NETで使えるTensorFlowライクなニューラルネットワークライブラリ『NeuralNetwo...
2D→3D復元技術で使われる用語まとめ
cvui:OpenCVのための軽量GUIライブラリ
OpenVDB:3Dボリュームデータ処理ライブラリ
AmazonEC2のインスタンスをt1.microからt2.microへ移行する
Alice Vision:オープンソースのPhotogrammetryフレームワーク
CGレンダラ研究開発のためのフレームワーク『Lightmetrica (ライトメトリカ)』
3D復元技術の情報リンク集
SONY製のニューラルネットワークライブラリ『NNabla』
キャリアの振り返り
UnityでPoint Cloudを表示する方法
UnityプロジェクトをGitHubで管理する
OpenCVの超解像(SuperResolution)モジュールを試す
Netron:機械学習モデルを可視化するツール
SVM (Support Vector Machine)
マルコフ連鎖モンテカルロ法
書籍『鈴木さんにも分かるネットの未来』読了
OpenCVのfindEssentialMat関数を使ったサンプルを読んでみる
Photogrammetry (写真測量法)
UnityのGlobal Illumination
FFS理論
ディープラーニングに対応したPythonの機械学習ライブラリ『Pylearn2』
プログラミングスキルとは何か?
UnityでShaderの入力パラメータとして行列を渡す
画像認識による位置情報取得 - Semi-Direct Monocular Visual Odome...
Accord.NET Framework:C#で使える機械学習ライブラリ
画像生成AI Stable Diffusionで遊ぶ
SSD (Single Shot Multibox Detector):ディープラーニングによる一般...
WordPress on Google App Engineを1週間運用してみて

コメント