Upgrade to Pro
— share decks privately, control downloads, hide ads and more …
Speaker Deck
Features
Speaker Deck
PRO
Sign in
Sign up for free
Search
Search
実際のコードで流れを感じるDeepLearning超入門
Search
naa
May 14, 2020
Programming
0
300
実際のコードで流れを感じるDeepLearning超入門
naa
May 14, 2020
Tweet
Share
More Decks by naa
See All by naa
Open Hack U 2020 vol.4 発表資料
naa
0
47
技育祭 学生LightningTalks!
naa
0
290
よわよわ大学生がKaggleの世界を覗いてみた話
naa
1
610
世界中を敵に回してもあなたの味方bot_技育祭学生LT大会登壇資料
naa
0
250
WEBデザイン×UXデザイン
naa
0
120
HTML/CSS 1カラムレイアウト勉強会資料
naa
0
38
Other Decks in Programming
See All in Programming
Swiftの型推論を学ぼう | Let's Learn About Type Inference in Swift
omochi
2
820
せっかくモデル図描くのなら、嬉しいことが多い方がいいよね!
kuboaki
1
1.8k
デザインシステムで Tailwind CSSとCSS in JSに分散投資をしたら良かった話
fsubal
14
3.5k
Dockerで始めるAWS Lambda開発
stutkhd0709
14
2.5k
incrementalモデルの理解を深める
ikkimiyazaki
2
640
Laravel標準バリデーションでできること
hmb_ok
2
360
設計の知識と技能で駆動するソフトウェア開発
masuda220
PRO
19
11k
Ruby製社内ツールのGo移行
bgpat
2
270
The Future of C++ Interoperability: Insights from Porting a Game to Swift
teamhimeh
0
290
15分間でふんわり理解するDocker @ Matsuriba MAX
ukwhatn
PRO
1
340
Some Quick Ideas To Improve Your Tests ( #jassttokyo )
teyamagu
PRO
2
2.3k
App Router への移行は「改善」となり得るのか?/ Can migration to App Router be an improvement
takefumiyoshii
1
140
Featured
See All Featured
No one is an island. Learnings from fostering a developers community.
thoeni
14
2k
Designing on Purpose - Digital PM Summit 2013
jponch
109
6.4k
I Don’t Have Time: Getting Over the Fear to Launch Your Podcast
jcasabona
19
1.6k
Facilitating Awesome Meetings
lara
39
5.5k
[RailsConf 2023] Rails as a piece of cake
palkan
21
3.8k
Why Our Code Smells
bkeepers
PRO
330
56k
Design by the Numbers
sachag
274
18k
Navigating Team Friction
lara
177
13k
Rebuilding a faster, lazier Slack
samanthasiow
72
8.2k
A Tale of Four Properties
chriscoyier
150
22k
Helping Users Find Their Own Way: Creating Modern Search Experiences
danielanewman
19
1.9k
Designing the Hi-DPI Web
ddemaree
275
33k
Transcript
Deep Learning 超入門 実際のコードで流れを感じる エンジニア志望学生LT大会 - TechStudyGroup #2 2020/05/14
自己紹介 • 名前:naa • 属性:大学4年生 • 好きなもの:パンケーキ • 苦手なもの:環境構築 2
作って間もないアカウント @naa_yowayowa
注意! • LT初心者 • プログラミングスキルは授業で習った(+ほんのちょっびっ と)程度 • チャレンジ精神で応募 • とりあえずアウトプットがしたかった
温かい目で見てください… 3
DeepLearningの工程 データ の準備 ネット ワーク の構築 学習 推論 4
実際に実装するとなると どんな感じになるんだろう…? 5
このLTでは 理論的な話は少なめに! 実際のプログラムを見ながら 流れを体感していただこうと思います! 6
Deep Learningを ノリと勢いで解説していきます 時間がないので駆け足で! 7
今回の概要 Pytorchを使います • Python向けのオープンソース機械学習ライブラリ • 参考文献:https://qiita.com/knyrc/items/0a0092b9903b97fb41b4 環境 Google Colabを使用 →環境構築不要!手軽!
→GPUも使える! 8
今回の概要 データセット • The MNIST database • 「0」~「9」の手書きで書かれた数字の画像データと、その画像に書 かれた数字を表すラベルデータから構成される https://weblabo.oscasierra.net/python/ai-mnist-data-detail.html
9
早速コードを見ていきます! 10
#0 Pytorchとscikit-learnのインストール 使うものをあらかじめインストール 11
DeepLearningの工程 データ の準備 ネット ワーク の構築 学習 推論 12
#1 ライブラリインポートと 学習データのダウンロード ライブラリのインポート 学習データのダウンロード 13
#2 DataLoader作成 データセット ↓ 学習データ + テストデータ DataLoaderを作成 … …
14
DeepLearningの工程 データ の準備 ネット ワーク の構築 学習 推論 15
#3 ネットワーク構築 16
#3 ネットワーク構築 それぞれの層の設定 17
DeepLearningの工程 データ の準備 ネット ワーク の構築 学習 推論 18
#4 誤差関数と最適化の手法の設定 • 誤差関数(損失関数) • ニューラルネットワークの性能の「悪さ」を示す指標 • 最適化 • 誤差関数から導かれた値をもとに学習のパラメータを更新する
19
#4 誤差関数と最適化の手法の設定 たったこれだけ!簡単!! 20
#5 学習の設定 学習データをネットワークに入れる 誤差関数を計算 誤差関数から修正分を出す 計算した修正分から最適化 学習モードに切り替え 21
DeepLearningの工程 データ の準備 ネット ワーク の構築 学習 推論 22
#6 推論の設定 テストデータをネットワークに入れる 推論モードに切り替え 推論! 23
#7 学習後データの正解率 • 0回目 707/10000(7%) • 1回目 9533/10000(95%) • 2回目
9543/10000(95%) • 3回目 9495/10000(95%) • 4回目 9547/10000(95%) • 5回目 9637/10000(96%) 24
まとめ 意外とDeepLearningのハードルは低かった 25
ご清聴ありがとうございました! 26
参考文献 • PyTorch で MNIST on Google Colab with GPU
https://qiita.com/knyrc/items/0a0092b9903b97fb41b4 • ゼロから作るDeep Learning ―Pythonで学ぶディープラーニング の理論と実装 27
参考文献 • 今回の発表したものの超個人的詳細メモをはてなブログに書い てみました. • 興味がある人はぜひ • DeepLeaning初心者がPyTorchでMNISTデータセットを用いて 深層学習を行う https://naa-study.hatenablog.com/
28