記事一覧
詳説ディープラーニング(生成モデル編)
※こちらの書籍はKindleに移行しました。こちらよりご購入ください。すでに購入された方で、ご質問等ある場合はHPよりお問い合わせください。
拙著「詳解ディープラーニング」のスピンアウトとして、生成モデルの理論および実装について解説した電子書籍(PDF)になります。
※ サンプルはこちらからご覧ください。
内容[ver. 1.3.1]
(A5) 74ページ
生成モデルの基本、変分オートエンコ
#2 【アーカイブ】 ディープラーニング講義資料 2020年3月版
2020年3月に行ったディープラーニング集中講座(8時間)の資料をアップしています。
※ 購入をすると、教材のリンクが表示されます。
※ 法人での利用を検討している方は別途お問い合わせください。
シラバス:
・単純パーセプトロンの理論・実装
・ロジスティック回帰の理論・実装
・ニューラルネットワークの理論・実装
・ディープニューラルネットワークの理論・実装
・畳み込みニューラルネットワークの理
FastAPI ディレクトリ設計
最近、アプリケーションを開発する際のバックエンドはもっぱら FastAPI を使っています。Python ベースの、軽量で高速なフレームワークです。
実装を繰り返す中で行き着いた、個人的に開発を進めやすいディレクトリ構成をまとめました。
※ただし、個別のファイルの中身に関しては言及するとボリュームが増えてしまうので、本記事では触れません。あくまでも全体感のみをお伝えする内容になります。
まず、
#1 【頭の体操】 機械学習 ✕ 数学: Accuracy と Recall から F-measure を求める
機械学習 ✕ 数学 の頭の体操として、下記の問題を考えてみましょう。
確率の問題として考えてみてください。
【問題】ある2クラス分類のタスクを機械学習で取り組んだとする。モデルの学習後、テストデータを用いて評価をしたところ、正解率 (Accuracy) が 81.0%、再現率 (Recall) が 90.0% という結果が得られた。このとき、 F値 (F-measure) も評価していたとすると
詳説ディープラーニング(生成モデル編) 付録2: 変分オートエンコーダ TensorFlow 2.X 実装
詳説ディープラーニング(生成モデル編)の付録2として、今回は変分オートエンコーダ (VAE) をTensorFlow 2.X で実装していきたいと思います。データローダに関しては、前回の付録1に記述したものと同じものを用いますので、今回は割愛します。
モデルまずは用いるライブラリから。こちらはオートエンコーダの時と同じです。
import osimport numpy as npimport
#1 【アーカイブ】 ディープラーニング講義資料 2017年12月版
2017年末に行ったディープラーニング集中講座(8時間)の資料をアップしています。
※ 購入をすると、教材のリンクが表示されます。
※ 法人での利用を検討している方は別途お問い合わせください。
シラバス:
・数学・Pythonの復習
・ニューラルネットワークの理論・実装
・ディープニューラルネットワークの理論・実装
・畳み込みニューラルネットワークの理論・実装
・リカレントニューラルネットワー
詳説ディープラーニング(生成モデル編) 付録1: オートエンコーダ TensorFlow 2.X 実装
詳説ディープラーニング(生成モデル編)が好評でしたので、付録としてTensorFlow 2.X による実装を紹介していきたいと思います(本文では PyTorch 1.X)。今回は、本文でも紹介したシンプルなオートエンコーダを実装していきます。
データローダ本文では PyTorch で用意されているデータローダをそのまま使いましたが、TensorFlow では自前で用意する必要があります。そこで、