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
本書は、深層学習をこれから勉強するにあたり実装だけではなく深層学習の構造も学びたい方、チュートリアルに掲載されているものよりも詳細な内容を知りたい方を対象に書かれています。Pythonによる基本的なプログラミング知識を前提とするので、そうした部分が曖昧な方は他の書籍と合わせて読むことをお勧めします。また、本書はTensorFlowのラッパーであるKerasやtf.kerasパッケージは用いません。後半ではハイレベルなAPIを用いますが、前半はTensorFlowの低レベルなAPIを用いて解説することで、内部構造についてより理解を深めてもらうような構成をとっています。
書誌情報
- 著者: 新村拓也
- 発行日: 2018-02-16 (紙書籍版発行日: 2018-02-16)
- 最終更新日: 2018-06-11
- バージョン: 1.3.0
- ページ数: 208ページ(PDF版換算)
- 対応フォーマット: EPUB
- 出版社: インプレス
対象読者
本書は、深層学習をこれから勉強するにあたり実装だけではなく深層学習の構造も学びたい方、チュートリアルに掲載されているものよりも詳細な内容を知りたい方を対象に書かれています。Pythonによる基本的なプログラミング知識を前提とするので、そうした部分が曖昧な方は他の書籍と合わせて読むことをお勧めします。
著者について
新村拓也
シーエイトラボ株式会社 代表取締役、シンギュラリティ株式会社 取締役CTO。
1990年鹿児島県生まれ、鹿児島県育ち。2014年東京大学工学部精密工学科卒業。大学では自然言語処理を専門とし、SNSの投稿データと位置情報を用いた研究を行う。在学中の2013年11月にシーエイトラボ株式会社を設立、代表取締役に就任。2016年7月にシンギュラリティ株式会社を設立、取締役CTOに就任。機械学習はもちろんデータマイニング全般のコンサルティングから開発を手掛ける。2015年12月に「TensorFlow勉強会」を立ち上げ、のちに「TensorFlowUserGroup」と合流。TensorFlowの活用方法について様々なところで講演を行なっている。
目次
はじめに
謝辞
目次
第1章 ニューラルネットワークと深層学習
- 1.1 機械学習
- 1.2 教師あり学習・教師なし学習
- 1.3 ニューラルネットワーク
- 1.4 確率勾配降下法
- 1.5 誤差逆伝播法と連鎖律
- 1.6 深層学習
- 1.7 現代の深層学習
第2章 TensorFlow入門―計算グラフと手書き数字認識
- 2.1 TensorFlowとは？
- 2.2 計算グラフとDefine and Run
- 2.3 TensorFlowによるニューラルネットワーク入門
- 2.4 TensorFlowによる手書き数字認識の実装
第3章 TensorFlowをもう少し入門―TensorBoard、CNN、モデルの保存
- 3.1 可視化ツールTensorBoard
- 3.2 TensorBoardの見方
- 3.3 ニューラルネットワークの改善
- 3.4 モデルの保存、学習済みモデルの読み込み
第4章 TensorFlowでRNN―時系列情報および自然言語の扱い
- 4.1 Recurrent Neural Network
- 4.2 TensorFlowにおけるRNN実装
- 4.3 Sequential MNIST
- 4.4 自然言語の扱い Word2Vecによる単語組み込み
- 4.5 TensorFlowでWord2Vec
第5章 TensorFlowでニューラルイメージキャプショニング
- 5.1 画像キャプショニング
- 5.2 画像キャプショニングのためのデータセット
- 5.3 大規模データセットを扱う際の注意
- 5.4 TFRecord形式によるデータのバイナリ化
- 5.5 データセット整形プログラム作成
- 5.6 GoogLeNet Inception-v3の転移学習 訓練済みモデルの利用
- 5.7 キャプション生成モデル実装
- 5.8 訓練したモデルで推論