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
380
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
60
技育祭 学生LightningTalks!
naa
0
350
よわよわ大学生がKaggleの世界を覗いてみた話
naa
1
960
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
300
WEBデザイン×UXデザイン
naa
0
210
HTML/CSS 1カラムレイアウト勉強会資料
naa
0
45
Other Decks in Programming
See All in Programming
テストカバレッジ100%を10年続けて得られた学びと品質
mottyzzz
2
610
複雑なフォームに立ち向かう Next.js の技術選定
macchiitaka
2
240
2025 年のコーディングエージェントの現在地とエンジニアの仕事の変化について
azukiazusa1
24
12k
複雑なドメインに挑む.pdf
yukisakai1225
5
1.2k
AIと私たちの学習の変化を考える - Claude Codeの学習モードを例に
azukiazusa1
11
4.4k
Namespace and Its Future
tagomoris
6
710
機能追加とリーダー業務の類似性
rinchoku
2
1.3k
為你自己學 Python - 冷知識篇
eddie
1
350
250830 IaCの選定~AWS SAMのLambdaをECSに乗り換えたときの備忘録~
east_takumi
0
400
Zendeskのチケットを Amazon Bedrockで 解析した
ryokosuge
3
320
AI時代のUIはどこへ行く?
yusukebe
18
9.1k
知っているようで知らない"rails new"の世界 / The World of "rails new" You Think You Know but Don't
luccafort
PRO
1
190
Featured
See All Featured
Sharpening the Axe: The Primacy of Toolmaking
bcantrill
44
2.5k
Embracing the Ebb and Flow
colly
87
4.8k
CSS Pre-Processors: Stylus, Less & Sass
bermonpainter
358
30k
A Tale of Four Properties
chriscoyier
160
23k
Balancing Empowerment & Direction
lara
3
630
YesSQL, Process and Tooling at Scale
rocio
173
14k
GraphQLとの向き合い方2022年版
quramy
49
14k
Documentation Writing (for coders)
carmenintech
74
5k
Stop Working from a Prison Cell
hatefulcrawdad
271
21k
Thoughts on Productivity
jonyablonski
70
4.8k
Facilitating Awesome Meetings
lara
55
6.5k
GraphQLの誤解/rethinking-graphql
sonatard
72
11k
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