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。
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。
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。
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。