ゼロから作るDeep Learning の商品レビュー
こちらを輪読する機会に恵まれたのだが、熱心な参加者ではなく、パッと読んだという感じでしたが、すごく勉強になりました。
Posted by
コードもそれなりに見ながら，とりあえず理論や技法の解説中心に読んだ。同じような領域に関するより詳細な本の先に読んで良かった。
Posted by
入門書の決定版。 Pythonの書き方からCNNの実装、（当時の）最新技術の動向まで深く学べる。 丁寧すぎるくらいに網羅的に説明されており、まあまあ詳しいよ、という人にも復習に最適。
Posted by
数式からの理解ではなく、プログラムから深層学習を理解しようという本。 ウェイト、バイアスの適用や、活性化関数など一つ一つの処理を書いていくことで中の演算処理を理解していく。 ただ、一つ一つ実装していくのは前半だけで、ページ数の都合か後半になると公開されている関数を読み込んで回すよ...
数式からの理解ではなく、プログラムから深層学習を理解しようという本。 ウェイト、バイアスの適用や、活性化関数など一つ一つの処理を書いていくことで中の演算処理を理解していく。 ただ、一つ一つ実装していくのは前半だけで、ページ数の都合か後半になると公開されている関数を読み込んで回すような流れとなり、自分で書く部分が減っていき、前半ほどクリアに理解できるような構成になっているように感じた。 全部自分の手で書ける構成になっていると理解が深まって、より良い本になっていたのでは、と思った。
Posted by
必要事項がまとまってる感じがとてもありがたい Pythonのインストールから書いてくれてるとこがいい
Posted by
最後まで読んだ結果、「ディープラーニング完全に理解した」と人に言えるようになりました^^ 詳細はQiitaにまとめています。 https://qiita.com/segavvy/items/4e8c36cac9c6f3543ffd
Posted by
ニューラルネットワークの推測（順伝播）と学習（逆伝播）の流れと、CNNのしくみが、具体的なアルゴリズム実装でよく理解できた。 ニューラルネットワークについては、 全結合層の順伝播は行列内積計算が基本となること、各種活性化関数の実装方法（数式）、損失関数の実装方法、損失関数の勾配...
ニューラルネットワークの推測（順伝播）と学習（逆伝播）の流れと、CNNのしくみが、具体的なアルゴリズム実装でよく理解できた。 ニューラルネットワークについては、 全結合層の順伝播は行列内積計算が基本となること、各種活性化関数の実装方法（数式）、損失関数の実装方法、損失関数の勾配算出の手法（数値微分と解析微分）、解析微分を用いた全結合層や活性化関数の微分計算方法、各層での微分結果を出力→入力側に伝播していく誤差逆伝播の実装、パラーメータ初期値の設定方法（Xavierの初期値、Heの初期値）、学習率の役割と重要性、各最適化手法（SGD、momentum、AdaGrad、Adam）の意味と実装方法、Batch Normalizationやweight decayやDropOutといった学習効率向上手法などが丁寧に説明されていた。 CNNは、ニューラルネットワークの実装式をベースに、フィルターとこれ対応する入力データのマッチング手法（im2colというスクリプトの活用）、マッチングが適切にできれば行列内積計算で対応可能であること、プーリング層での処理内容などがわかりやすく説明されていた。 そして、ディープラーニングで層を重ねることでなぜ学習効率や推測精度が上がるのかということについても、直感的な説明（入力データのうち同等規模の範囲から特定の出力ノードを計算する際の計算量の違い）に加えて、理論上詳しくわかっていないという現状も含めて、非常に勉強になった。
Posted by
1章 Python入門 省略 2章 パーセプトロン ニューラルネットワークの基礎となるパーセプトロンで論理回路AND,NAND,OR,XORを実装 3章 ニューラルネットワーク 活性化関数の導入、Numpyの行列計算 実装できたMNISTデータセットを使った手書き数字認識...
1章 Python入門 省略 2章 パーセプトロン ニューラルネットワークの基礎となるパーセプトロンで論理回路AND,NAND,OR,XORを実装 3章 ニューラルネットワーク 活性化関数の導入、Numpyの行列計算 実装できたMNISTデータセットを使った手書き数字認識をトライ。 4章 ニューラルネットワークの学習 損失関数と勾配法を使った学習方法の説明 5章 誤差逆伝播法 誤差逆伝播法を計算グラフで説明。 6章 学習に関するテクニック パラメータの更新の仕方で効率が変わる、過学習の対策 7章 畳み込みニューラルネットワーク 画像認識、音声認識に多用されているCNNを説明 8章 ディープラーニング 深層なCNNを実装し、画像認識（手書き数字）まで行っている。 フレームワークを使うだけではわからない内部について理解できた。
Posted by
ディープラーニングの入門本． pythonとnumpyの基本から，ディープラーニングモデルをnumpyの行列積として実装し，オプティマイザ・初期化・ハイパラ探索といった訓練の詳細まで踏み込んでおりかなり充実している． 扱うデータはMNISTの画像分類のみだが，CNNの畳み込み・p...
ディープラーニングの入門本． pythonとnumpyの基本から，ディープラーニングモデルをnumpyの行列積として実装し，オプティマイザ・初期化・ハイパラ探索といった訓練の詳細まで踏み込んでおりかなり充実している． 扱うデータはMNISTの画像分類のみだが，CNNの畳み込み・poolingの実装もnumpyで行う． 逆伝播の章では計算グラフを書いた解説が非常にわかりやすい． フレームワークを使っている人でも本書未読ならば薦めたい．
Posted by
AIプログラミングは初心者。G検定は取得している。Pythonの知識はあるつもりだが、本格的なプログラミングはやったことはない。ざっと一読。「丁寧な説明」「わかり易い！」であるはず。が、一回だけでは十分に理解できたとはいい難い。Affine、Softmax-with-Loss。S...
AIプログラミングは初心者。G検定は取得している。Pythonの知識はあるつもりだが、本格的なプログラミングはやったことはない。ざっと一読。「丁寧な説明」「わかり易い！」であるはず。が、一回だけでは十分に理解できたとはいい難い。Affine、Softmax-with-Loss。SGD,Momentum,AdaGradにAdam。Convolution、Pooling,im2colにAlexNet・・。もっと学習を進める必要性を感じた。コードは動かさなければ実感ももてない。次は、コードを実装しながら理解を深めよう。
Posted by