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
ゼロつく2 輪読会 3.4-3.6
Search
keitaro2002
April 06, 2024
Programming
0
20
ゼロつく2 輪読会 3.4-3.6
keitaro2002
April 06, 2024
Tweet
Share
More Decks by keitaro2002
See All by keitaro2002
ゼロつく2 輪読会 3.1-3.3
keitaro2002
0
15
Other Decks in Programming
See All in Programming
[KR] Server Driven Compose With Firebase
skydoves
1
110
Интеграционное тестирование: как приручить хаос
mariyasaygina
0
470
"Swarming" をコンセプトに掲げるアジャイルチームのベストプラクティス
boykush
1
150
コードレビューと私の過去と未来
jxmtst
0
150
Делим тесты между QA и разработчиком
mariyasaygina
0
460
RemixとCloudflare Stack におけるFile Upload
ossamoon
1
120
いまあるチームにフィットさせる Serverless そして Platform Engineeringへの挑戦 / Serverless Fits the Team You Have and Platform Engineering
seike460
PRO
2
1.2k
複数プロダクトの技術改善・クラウド移行に向き合うチームのフレキシブルなペア・モブプログラミングの実践 / Flexible Pair Programming And Mob Programming
honyanya
0
130
Cohesion in Modeling and Design
mploed
3
180
個人開発で使ってるやつを紹介する回
yohfee
1
640
Infrastructure as Code でセキュリティを楽にしよう!
konokenj
5
1.4k
sqlcを利用してsqlに型付けを
kamiyam
0
220
Featured
See All Featured
Code Review Best Practice
trishagee
62
16k
A designer walks into a library…
pauljervisheath
201
24k
Git: the NoSQL Database
bkeepers
PRO
425
64k
[RailsConf 2023 Opening Keynote] The Magic of Rails
eileencodes
28
9k
The Straight Up "How To Draw Better" Workshop
denniskardys
231
130k
How to Think Like a Performance Engineer
csswizardry
16
1k
Intergalactic Javascript Robots from Outer Space
tanoku
268
27k
Rebuilding a faster, lazier Slack
samanthasiow
79
8.6k
The Cost Of JavaScript in 2023
addyosmani
43
5.8k
jQuery: Nuts, Bolts and Bling
dougneiner
61
7.5k
Robots, Beer and Maslow
schacon
PRO
157
8.2k
XXLCSS - How to scale CSS and keep your sanity
sugarenia
246
1.3M
Transcript
ゼロつく2 輪読会 Part4 3.4~3.6 2024年 3⽉10⽇
‣ これ以降の図は以下より引⽤ 斎藤 康毅 「ゼロから作るDeep Learning ❷―⾃然⾔語処理編」 はじめに
‣ 前回の復習 ‣ CBOWモデルの実装 ‣ word2vecに関する補⾜ ⽬次
前回の復習
‣ カウントベース→推論ベース ‣ ミニバッチ学習 ‣ 周囲のコンテキストから出現確率を推測 ‣ one-hotベクトル処理 ‣ CBOW(Continuous
Bag-Of-Word) ‣ ⼊⼒層 = (B,N,L) (B: バッチサイズ,N: コンテキスト 数,L: コーパスの⻑さ) 前回の復習
CBOWの実装
学習 モデルアーキテクチャ 逆伝播の様⼦ optimizer : Adam
学習 loss推移 分散表現 コサイン類似度
word2vecの補⾜
‣ CBOWモデルを数式で考えてみる. ‣ 損失関数 ‣ 教師ラベル𝑡! は𝑤" に対応する箇所が1でその他は0 →𝑃(𝑤" |𝑤"#$
, 𝑤"%$ )のみが残る. ‣ コーパス全体 CBOWモデルと確率
‣ ターゲットからコンテキストを推測する. ‣ 損失関数 skip-gramモデル
‣ 推論ベース ‣ 語彙に新しい単語→学習済み重みを初期値として,パラ メータの再学習が可能 ‣ より複雑な単語間のパターンも捉えられる. ‣ 実際は単語の類似性に関する定量評価では優劣が つけられない
カウントベースvs推論ベース
Appendix
ソースコード 概要 ch3 simple_cbow.py train.py common layers.py optimizer.py trainer.py util.py
functions.py
‣ softmax ‣ cross_entropy_error functions.py
‣ MatMul ‣ init ‣params, grads ‣x (backwardで使⽤) ‣ forward
‣paramsとxを⾏列計算 ‣xを保持 ‣ backward ‣dx,dWを計算 ‣ SoftmaxWithLoss ‣ init ‣params, grads ‣y (softmaxの出⼒) ‣t (教師ラベル) ‣ forward ‣softmax ‣cross_entropy_error ‣ backward ‣dx layers.py
‣ Adam ‣ init ‣lr (学習率) optimizer.py
‣ init ‣ fit ‣ plot trainer.py
util.py