TensorFlowではMNISTやCIFAR-10のデータセットを用いて簡単に学習をすることができます。
しかしそれだけではただ学習しただけになり、意味があまりありません。
そこでTensorFlowに画像を取り込む方法を調べました。
TensorFlowにおける画像読込・リサイズ
カテゴリー: ディープラーニング
TensorFlowにおける学習結果の保存と再利用
Tensorflowを用いれば簡単にニューラルネットワークの学習を行うことができます。
そこでこの学習した結果を保存し、再利用する方法を調べました。
Dropoutを利用したニューラルネットワークの過学習の抑制
ニューラルネットワークを使用するうえで気おつけなければならない問題として、過学習があります。ニューラルネットワークではこの過学習を防ぐための方法の一つとしてDropoutという手法があります。
今回はこのDropoutについて調べました。
ニューラルネットワーク・ディープラーニングの基本的な活性化関数
ニューラルネットワーク・ディープラーニングで学習を行う際には重要となるものはいくつかありますが、その中の一つとして活性化関数があります。
この活性化関数によってネットワークの学習精度や時間に大きな差が出てしまいます。
そこで今回はニューラルネットワーク・ディープラーニングで使用されている基本的な活性化関数について調べました。
Keras版CNNによるCIFAR-10データセットの学習
CIFAR-10は一般的な物体画像のデータセットであり、画像検出のテストとしてよく利用されます。
そこで今回はKerasを用いて畳み込みニューラルネットワーク（CNN）を作成し、CIFAR-10の学習を行いました。
Keras版多層パーセプトロンによるMNISTデータセットの学習
KerasはTensorFlowのラッパーであり、TensorFlowと比べ簡単にモデルを作成することができます。
そこで今回はKerasを用いて多層パーセプトロンを作成し、MNISTの学習を行いました。
Windows版Anacondaを利用したKeras のインストール
TensorFlowは有名な機械学習用の数値計算ライブラリです。TensorFlowは非常に高度で、様々なモデルを作成することができます。しかし、TensorFlowは高度なことができる一方で、初心者には使いずらい一面もあります。
そこでTensorFlowのラッパーの一つにKerasというものがあり、TensorFlowと比べると簡単にプログラミングを行うことができます。
今回はWindows版Anacondaを利用したKerasのインストールを行いました。
TensorFlowの変数初期化エラー – FailedPreconditionError –
TensorFlowにおいて変数を使用する場合には、変数の定義だけではなく変数の初期化が必要となります。
今回はinitialize_all_variablesの実行をモデル定義の途中で行ったため、変数初期化のエラー”FailedPreconditionError: Attempting to use uninitialized value”ではまってしまったので、解決策をメモしておきます。
ニューラルネットワーク・ディープラーニングのまとめ
近年盛んに利用されている技術としてAIや機械学習があります。
その機械学習の中でもよく話題になるものとして、ディープラーニングがあります。
そこでディープラーニング・ニューラルネットワークに関する記事をまとめました。
CNNによる手書き数字の認識 – MNISTの学習とPythonによる実装 –
先日の記事では、画像認識の分野でよく使用されているCNN（畳み込みニューラルネットワーク）について調べました。
今回はこのCNNをTensorflowを用いて実装し、MNISTデータセットの学習を行いました。