ゼロから作るDeep Learning(3) の商品レビュー

斎藤康毅(著者)

2024/11/21

ニューラルネットワークがなぜ複雑なのかが理解できる。実際はtensorflowやpytorchなどのフレームワークを使う場合がほとんどだろうが、こうして中身を知るのも面白い。

2023/12/26

ディープラーニングのフレームワークであるPytorch TensorFlow・・・がどのような仕組みで動いているのかを理解する本。
フレームワークを用いると、わずか数十行のコーディングで高度なモデルを実装できるが、あえて実際にPythonコードを作ってフレームワークを自作し、理解を進めていく。
フレームワークを使えない組み込み製品の設計に有効。

P209　ニュートン法を用いた最適化
P361　ソフトマックス関数と交差エントロピー誤差
P395　MNISTの学習

2023/09/30

ニューラルネットワークのフレームワークを自作するという他にはあまりない意欲作であり，既存のフレームワークを読み解く手助けにもなる。

2022/12/23

フレームワークを作る体験をすることによって、データセットに依存しないディープラーニング共通の概念について知れる本。

前作、前々作の続きで読むと、今までの自分の理解をふりかえりつつ、改めてディープラーニングについて理解を深められた。
また、意外とPython自体の勉強にもなった。Pythonが用意している特殊メソッド（__setattr__, __dict__などなど自分が知らなかったものが多くあった）を活用してフレームワークを自作していく体験はおもしろかった。

2022/03/09

本気で精度上げることにコミットされてる方とか、高速で無駄のないモデルを作りたい人は勉強する価値があるかもしれません。結構テクニカルな感じを受けます。

2021/09/09

見様見真似で使っていたPytorchへの解像度が急上昇した
CNNの演算の過程、データサイズの変化を分かりやすく図解してくれてるのがとてもありがたかった

2021/08/15

ただ値を返す関数から作り起こす
当たり前に使い倒すライブラリがどうなっているか
特に魔法のような効果を出す深層学習ライブラリも当たり前の計算の積み重ねであることがわかる

2021/05/25

Pythonの機能や開発の手順の教科書として読んでも面白かった。ゼロから〜の1を読んでいる前提だけどこれ単体でも読める気がする（これでなぜ深層学習ができるのか？はあんまり触れられていないけど）

クラスの使い方に慣れていないので、その辺り要復習。

2022/03/13

Pytorch簡易版的なDLフレームワークをゼロから作るという試み。Deep Learningについての説明はほとんどないので、DLはわかっている(このシリーズの1くらいは読んでいる）人対象。実際にフレームワークを自分で作ろうという人はあまりいないと思うので、主なメリットは以下の2つかと。

(1)　Pytorch等、Define by runのDLフレームワークのコンセプトをハイレベル(一段抽象化したレベル）で理解できる。具体的なコードを説明したドキュメントはたくさんあれど、思想や構成要素の意味が理解できるものは割と貴重。

(2)　Pythonの入門本で毒にも薬にもならない例を見て、ClassとかObject Oriented とかの何がうれしいのかイマイチ腹落ちしてなかった人(私)には非常に説得力のある実例。