多層パーセプトロンを使用して画像認識を行うことができます。
しかし多層パーセプトロンで画像認識を行うにはいくつか問題点があります。
そこで今回はより効率的に画像認識を行うことができる畳み込みニューラルネットワークについて調べました。
畳み込みニューラルネットワークの基礎
カテゴリー: ディープラーニング
ニューラルネットワークによる数字認識 – MNISTデータセットの学習 –
機械学習のデータセットとして有名なものに MNIST というものがあります。
これは手書きの数字画像とその正解データを集めたもので、機械学習の画像認識能力のテストとしてよく利用されます。
今回はこのMNISTを用い、多層パーセプトロンで画像認識を行いました。
Tensorflowによるデータのマージ方法 – merge・merge_all –
TensorFlowの実行状態を可視化するツールとして、TensorBoardがあります。
このTensorBoardは非常に高機能であり、スカラー・テンソル・画像・計算グラフ等を簡単に可視化できます。
TensorBoardでデータを可視化するためには、プログラミング中でデータのマージを行う必要があります。
そこで今回はこのデータのマージ方法を調べました。
TensorBoardによるTensorFlowプログラミングの可視化
TensorFlowによるプログラミングのメリットの一つに、TensorBoardが利用できることがあります。
TensorBoardは計算の過程や計算モデルを可視化することができます。
今回はこのTensorBoardの使い方を調べました。
TensorFlowの基本文法
TensorFlowプログラミングの流れ
TensorFlowは機械学習のための数値計算ライブラリです。
TensorFlowは非常の高度な機械学習を行うことができますが、使用方法がすこし難しいです。
そこで今回TensorFlowの基本的なプログラミングの流れを調べました。
Windows環境へのCUDA・cuDNNのインストール
TensorFlowのGPU supportを使用するためには、GPUとGPUを使用するためのソフトが必要です。
そこで今回はTensorFlow with GPU supportを使用するために必要なCUDA・cuDNNのインストール方法を調べました。
Windows版Anacondaを利用してTensorFlowのインストール
機械学習のための数値計算ライブラリとして、Googleが公開している TensorFlow があります。
このライブラリを使用することでより簡単にニューラルネットワークを構築することができます。
今回はこのTensorFlow をAnacondaを利用してWindowsにインストールする方法を調べました。
数値微分による勾配下降法 － ニューラルネットワークの学習とPythonによる実装
勾配下降法・損失関数・数値微分によるニューラルネットワークの学習
ニューラルネットワークの学習方法として勾配下降法があります。
この学習法は損失関数の数値微分を用いることでニューラルネットワークの重みを変更し、任意の関数を表すようネットワークを学習させます。
今回はこの勾配下降法・損失関数・数値微分について調べました。