機械学習

1/2ページ
  • 2021.02.15

GPUを使うとどれだけディープラーニングが速くなるか?【実験結果】

こんな人におすすめ:・GPUでどれだけ計算が速くなるか興味がある 結論ですが、GPUを使うと、CPUのみの時と比べて約10倍速くなりました。 開発環境 今回の実験では、ローカルのMacBookとクラウドのGPU(Google Cloud Platfom)で計算速度を比較してみます。 ローカル MacBook pro (Retina, 13-inch, Mid 2014) OS:MacOS Big […]

  • 2021.02.14

クラウドGPUをディープラーニング向けに安く使う方法【GCP/AIプラットフォーム】

こんな人におすすめ:・ディープラーニング用にがっつりマシンパワーが欲しい。・クラウドでGPUが使えることは知っているけど、複雑でよくわからない。 結論として、1時間あたり50円くらいでGCPのAIプラットフォームからGPUを使えます。 初期クレジットとして約3万円分の無料枠が貰えるので、お得です。 では順を追って手順を説明していきましょう! 1.GCPにユーザー登録する まず、Google Cl […]

  • 2020.04.11

リカレントニューラルネット(RNN)で翻訳AIを自作する【作って理解するディープラーニング#10】

こんにちは、えびかずきです。 今回はリカレントニューラルネット(RNN)で翻訳AIを自作する方法についてです。 ディープラーニングの連載も今回で最終回。 気合入れていきましょう! 過去の記事はこちらから:https://ebi-works.com/deeplearning-0/ 開発環境 OS:macOS Catalina ver10.15.2 使用したフレームワーク:TensorFlow2.0 […]

  • 2020.04.04

畳み込みニューラルネット(CNN)で画像識別をしよう!【作って理解するディープラーニング#9】

こんにちは、えびかずきです! 今回は畳み込みニューラルネット (CNN)の仕組みと、 それを使った画像識別の実装について説明していきます。 CNNの仕組み CNN(Convolutional Neural Network)はその名のとおり、 畳み込みを実施するニューラルネットワークで、特に画像識別の分野でよく使われます。 では順を追って説明していきましょう! 画像認識におけるNNの問題点 前回まで […]

  • 2020.03.28

過学習を回避しよう!【作って理解するディープラーニング#8】

こんにちは、えびかずきです! 今回は「過学習を回避しよう」です。 この記事ではニューラルネットで過学習を防ぐ方法として、 Weight DecayとDropoutの2つを紹介したいと思います! 開発環境 OS:macOS Catalina ver10.15.2 使用した外部ライブラリ:numpy1.18.1matplotlib3.0.3 エディタ:jupyter notebook ソースコード g […]

  • 2020.03.21

最適化のテクニックを学ぼう!【作って理解するディープラーニング#7】

こんにちは、えびかずきです! 今回は最適化のテクニックを学ぼうという事で、ディープラーニングにおける様々な最適化手法を紹介したいと思います。 開発環境 OS:macOS Catalina ver10.15.2 使用した外部ライブラリ:numpy1.18.1matplotlib3.0.3 エディタ:jupyter notebook ソースコード github/ebikazuki/deeplearni […]

  • 2020.03.14

誤差逆伝播法を実装しよう!【作って理解するディープラーニング#6】

こんにちは、えびかずきです! 前回までにニューラルネットワークの基礎的な原理は一通り説明しましたので、 この記事からは実用的に使うためのテクニックを説明していきます! 誤差逆伝播法とは何か 誤差逆伝播(ごさぎゃくでんぱ)法とは、勾配を効率的に求めるためのテクニックです。 back-propagation(バックプロパゲーション)とも呼ばれます。 前回の勾配法では、損失関数を重みやバイアスで数値的に […]

  • 2020.03.07

勾配法を実装しよう!【作って理解するディープラーニング#5】

こんにちは、えびかずきです! 今回は勾配法について説明したいと思います。 ここまでの流れを復習したい方は、過去の記事をご覧ください。https://ebi-works.com/deeplearning-0/ 勾配法とは 勾配法とは、ニューラルネットワークの重みやバイアス(閾値)のパラメータを最適値に調整するための学習手法です。 具体的な方法としては、まずテストデータと訓練データとのズレを表す「損失 […]

  • 2020.02.29

ニューラルネットワークを作ろう!【作って理解するディープラーニング#4】

こんにちは、えびかずきです! 今回はニューラルネットワークのモデルを実装する方法について説明していきます。 ここまでの流れを復習したい方は、過去の記事をご覧ください。https://ebi-works.com/deeplearning-0/ ニューラルネットワークの実装 では早速ニューラルネットワークを作っていきましょう! ネットワークモデル まずは今回作るニューラルネットワークのモデルを決める必 […]

  • 2020.02.22

活性化関数を作ろう!【作って理解するディープラーニング#3】

こんにちは、えびかずきです! 前回はディープラーニングの基礎となるパーセプトロンについて学びました。しかし当然ながらそれだけではディープラーニングは出来ません。 なぜなら、どうやって学習(重みを最適化)するか?という問題が未解決だからです。 今回はその足がかりとなる活性化関数について説明していきます。 ここまでの流れを復習したい方は、過去の記事をご覧ください。https://ebi-works.c […]