TensorFlowはGoogle社のディープラーニング (深層学習) フレームワークですが、ディープラーニングでは、ニューロンの働きを疑似的に多重化した ニューラル・ネットワークを利用しています。
本講座では、ディープラーニングの解説から始め、併せてPythonで記述するTensorFlowのプログラミング方式解説、TensorFlow稼働環境での具体的なサンプル実行と解説へと解説を行いますが。特にTensorFlowでディープラーニングを実現する手法に力点を置いて解説します。
具体的に、前半では、①ニューロンの働きを使用したニューラル・ネットワークのシステム上の表現を概説し、その後、②TensorFlow の基本的なコード記述 (Python) 方式を解説、③線形回帰等を使用したTensorFlowのディープラーニングを実現するコード記述スタイルへと進みます。後半では、④TensorFlowを実行する環境作成をGoogleのPaaSクラウド (Compute Engine) 上に作成する手順を解説し、⑤作成した環境上で実際にサンプルを実行して、その結果等を検証します。
- 脳とニューロン
- ニューラル・ネットワークとその表現…1
- 1つのニューロンの動きを考える
- ニューロン発火の条件
- ニューラル・ネットワークとその表現…2
- 活性化関数、
- softmax関数 等
- TensorFlowの基本的なコード記述
- TensorFlowの計算処理をグラフ表現
- データ構造のNode
- データ構造のEdge
- ConstructionフェーズとExecutionフェーズ
- Ops
- Session
- TensorFlowでディープラーニング
- TensorFlowの計算方式
- モデルを作成
- 誤差の計算
- 最適化 (誤差最小点を探す)
- 予測式と学習済パラメータで予測実行
- 線形回帰
- 損失関数
- 勾配降下法
- クロス・エントロピー
- TensorFlowの運用環境構築
- Compute Engineの設定
- Google Developpers ConsoleでCompute Engine有効化
- Compute Engineのインスタンス設定と生成
- モジュール設定
- pipインストール
- Numerical Pythonインストール他
- TensorFlowをインストール
- サンプルを実行
- 簡単なテキスト出力の実行
- 勾配降下法による基本サンプル実行
- 手書き文字認識プログラムの実行
- fully_connected_feed.pyを実行