#ディープラーニング
deeplearningをやってみる8
『ゼロから作るDeep Learning』が4章からよくわからない。
一応、最後まで読んでみたものの、数学的な話になってしまって、ついていけない。
今までの目標は以下の流れだったが、
1. sampleコードを実行してみる
2. 『ゼロから作るDeep Learning』を最後まで読み切る
3. 自分でコードを書いて古文書を読むAIを作る
こっちに変えてみようと思う。
1. sampleコード
deeplearningをやってみる7
『ゼロから作るDeep Learning』の第3章の後半(3.5~3.7)。
2時間半ぐらいかかった。
機械学習は2つに大別される→分類問題と回帰問題
分類問題・・・写真から男なのか女なのかを分類するような処理
回帰問題・・・写真から年齢をあてるような処理
分類問題には、ソフトマックス関数
回帰問題には、恒等関数を使う
以下のエラーが出た。ぐぐったら結構結果が出てきた(この本やってる人多い
deeplearningをやってみる6
『ゼロから作るDeep Learning』の第3章をやってみた。
ニューラルネットワークの章。
この章は長かったので、今日は3.1から3.4まで。
いくつかのニューロンを伝って情報が伝達されているモデルを実装した。
import numpy as np
def sigmoid(x):
return 1/(1+np.exp(-x))
def identity_function(x):
ディープラーニングは科学を変える
とても重要な変化が科学の分野で起こっている。
因果関係ではなく相関関係で事象が説明されるようになってきた。
今までの科学は、小さな理論や小さな実証を重ねていって大きな事象を説明することを目的にしていた。
このDNAを持っている人は、このたんぱく質が多く発現するから、このたんぱく質が細胞の働きを阻害して、ガンになりやすい。というのが、今までのアプローチ。
今は、たくさんの人のDNAと病歴を解析す
deeplearningをやってみる5
『ゼロから作るDeep Learning』の第二章をやってみた。
AND, OR, NAND, XORの概念を聞いたことのある人なら、すぐできると思う。1時間ぐらいで読めた。
以下のコードを実行しながら、動作を確認して終わり。
import numpy as np
def AND(x1,x2):
x = np.array([x1,x2])
w = np.array([0.5,0
deeplearningをやってみる4
前回までで、一通りサンプルコードは動いたので、『ゼロから作るDeep Learning』を第一章から読んでみることにした。
1時間弱でさらっと読めた。
あと、コードも実行も特段困ったことはなかったが、
windowsでやっているときのpathの指定が、D:\とかではうまくできず、
D:/で書くとうまくいった。そこだけちょっと悩んだが、あとは淡々とお勉強できたと思う。
次は、第二章だ。