試験公開中

このエントリーをはてなブックマークに追加

Chainerによる実践深層学習

オーム社

2,400円+税

Deep LearningのフレームワークであるChainerを使って、複雑なニューラルネットの実装方法を解説!!

関連サイト

本書の関連ページが用意されています。

内容紹介

Chainerは2015年にPreferred InfrastructureがPythonのライブラリとして開発・公開したフレームワークです。

本書は、Pythonの拡張モジュールであるNumPyの使い方やニューラルネットの基本をおさらいした後に、Chainerの基本的な使い方を示します。次にAutoEncoderを題材にして、それを確認し、最後に、自然言語処理でよく使われるword2vecとRNN(Recurrent Neural Network)を解説し、それらシステムをChainerで実装します。既存にない複雑なネットワークのプログラムを作る際の参考となるものです。

書誌情報

  • 著者: 新納浩幸
  • 発行日: (紙書籍版発行日: 2016-09-24)
  • 最終更新日: 2016-09-09
  • バージョン: 1.0.0
  • ページ数: 192ページ(PDF版換算)
  • 対応フォーマット: PDF, EPUB
  • 出版社: オーム社

対象読者

Deep Learningを勉強している理科系の大学生、データ解析を業務としている技術者

著者について

新納浩幸

1961年生まれ。1985年、東京工業大学理学部情報科学科卒業。1987年、東京工業大学大学院理工学研究科情報科学専攻修士課程修了。現在、茨城大学工学部情報工学科教授、博士(工学)。専門は自然言語処理。
〈主な著書〉
『数理統計学の基礎―よくわかる予測と確率変数』森北出版(2004)、『入門RSS―Web における効率のよい情報収集/ 発信』、毎日コミュニケーションズ(2004)、『Excel で学ぶ確率論』オーム社(2004)、『入門Common Lisp―関数型4 つの特徴とλ計算』毎日コミュニケーションズ(2006)、『R で学ぶクラスタ解析』オーム社(2007)

目次

はじめに

第0章 Chainerとは

第1章 NumPyで最低限知っておくこと

  • 1.1 配列の生成
  • 1.2 配列の加
  • 1.3 配列に対する演算
  • 1.4 配列の保存と読み出し

第2章 ニューラルネットのおさらい

  • 2.1 モデル
  • 2.2 確率的勾配降下法と誤差逆伝播法
  • 2.3 ミニバッチ
  • 2.4 分類問題への応用

第3章 Chainer の使い方

  • 3.1 計算グラフと順伝播・逆伝播
  • 3.2 基本オブジェクト
  • 3.2.1 Variable
  • 3.2.2 functions
  • 3.2.3 links
  • 3.3 Chain クラス
  • 3.4 optimizers

第4章 Chainer の利用例

  • 4.1 全体図
  • 4.2 Iris データ
  • 4.3 基本的なプログラム
  • 4.4 ミニバッチ
  • 4.5 誤差の累積
  • 4.6 softmax
  • 4.7 softmax cross entropy
  • 4.8 ロジスティック回帰

第5章 Denoising AutoEncoder

  • 5.1 AutoEncoder(AE)
  • 5.2 Denoising AutoEncoder(DAE)

第6章 word2vec

  • 6.1 分散表現
  • 6.2 モデルの式
  • 6.3 計算のためのネットワーク
  • 6.4 Chainer によるword2vec の実装
  • 6.5 システムから提供されている関数の利用

第7章 Recurrent Neural Network

  • 7.1 時系列データに対するRNN
  • 7.2 言語モデル
  • 7.3 RNNLM のネットワーク
  • 7.4 Chainer によるRNNLM の実装
  • 7.5 言語モデルの評価
  • 7.6 LSTM
  • 7.7 Chainer によるLSTM の実装
  • 7.8 システムから提供されている関数の利用
  • 7.9 GRU

第8章 翻訳モデル

  • 8.1 Encoder-Decoder 翻訳モデル
  • 8.2 訓練データの準備
  • 8.3 Chainer によるEncoder-Decoder 翻訳モデルの実装
  • 8.4 翻訳処理
  • 8.5 Attention の導入

第9章 Caffe のモデルの利用

  • 9.1 Caffe のモデルの取得
  • 9.2 Chainer からのCaffe のモデルの利用
  • 9.3 入力データの処理
  • 9.4 出力データの処理

第10章 GPU の利用

  • 10.1 GPU 対応
  • 10.2 GPU の選択
  • 10.3 CUDA のインストール
  • 10.4 cuDNN のインストール
  • 10.5 Chainer の再インストール
  • 10.6 GPU 導入の効果の確認
  • 10.7 CuPy
  • 10.8 Chainer でのGPU の利用方法

参考文献

ソースプログラム

索引

Home 書籍一覧 Chainerによる実践深層学習 ▲ ページトップへ戻る