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
370
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
55
技育祭 学生LightningTalks!
naa
0
340
よわよわ大学生がKaggleの世界を覗いてみた話
naa
1
900
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
290
WEBデザイン×UXデザイン
naa
0
200
HTML/CSS 1カラムレイアウト勉強会資料
naa
0
43
Other Decks in Programming
See All in Programming
七輪ライブラリー: Claude AI で作る Next.js アプリ
suneo3476
1
150
Ruby's Line Breaks
yui_knk
3
2.1k
監視 やばい
syossan27
11
10k
KawaiiLT 登壇資料 キャリアとモチベーション
hiiragi
0
160
サービスクラスのありがたみを発見したときの思い出 #phpcon_odawara
77web
4
700
スモールスタートで始めるためのLambda×モノリス(Lambdalith)
akihisaikeda
2
310
サービスレベルを管理してアジャイルを加速しよう!! / slm-accelerate-agility
tomoyakitaura
1
190
The Evolution of the CRuby Build System
kateinoigakukun
1
740
Unlock the Potential of Swift Code Generation
rockname
0
280
Cursor/Devin全社導入の理想と現実
saitoryc
27
20k
The Nature of Complexity in John Ousterhout’s Philosophy of Software Design
philipschwarz
PRO
0
150
音声プラットフォームのアーキテクチャ変遷から学ぶ、クラウドネイティブなバッチ処理 (20250422_CNDS2025_Batch_Architecture)
thousanda
0
360
Featured
See All Featured
RailsConf 2023
tenderlove
30
1.1k
XXLCSS - How to scale CSS and keep your sanity
sugarenia
248
1.3M
Improving Core Web Vitals using Speculation Rules API
sergeychernyshev
13
810
Responsive Adventures: Dirty Tricks From The Dark Corners of Front-End
smashingmag
251
21k
Helping Users Find Their Own Way: Creating Modern Search Experiences
danielanewman
29
2.6k
Measuring & Analyzing Core Web Vitals
bluesmoon
7
400
The Psychology of Web Performance [Beyond Tellerrand 2023]
tammyeverts
47
2.7k
No one is an island. Learnings from fostering a developers community.
thoeni
21
3.2k
Code Review Best Practice
trishagee
67
18k
How STYLIGHT went responsive
nonsquared
100
5.5k
Fontdeck: Realign not Redesign
paulrobertlloyd
84
5.5k
Art, The Web, and Tiny UX
lynnandtonic
298
20k
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