- Amazon.co.jp ・本 (192ページ)
- / ISBN・EAN: 9784274219344
作品紹介・あらすじ
Deep Learning のフレームワークである Chainer を使って、複雑なニューラルネットの実装方法を解説!!
Chainer は 2015年にPreferred InfrastructureがPython のライブラリとして開発・公開したフレームワークです。
本書は、Python の拡張モジュールであるNumPyの使い方やニューラルネットの基本をおさらいした後に、Chainerの基本的な使い方を示します。次にAutoEncoderを題材にして、それを確認し、最後に、自然言語処理でよく使われるword2vecと RNN(Recurrent Neural Network) を解説し、それらシステムを Chainer で実装します。既存にない複雑なネットワークのプログラムを作る際の参考となるものです。
感想・レビュー・書評
-
Chainerを使っているので基礎的な勉強な部分の勉強になった。
応用は手を動かして覚えよう。詳細をみるコメント0件をすべて表示 -
これはかなり役立ちそう
-
【電子ブックへのリンク先】
https://elib.maruzen.co.jp/elib/html/BookDetail/Id/3000034414
※学外から利用する場合は、以下のアドレスからご覧ください。(要ログイン)
https://www.lib.hokudai.ac.jp/remote-access/?url=https://elib.maruzen.co.jp/elib/html/BookDetail/Id/3000034414 -
実際に手を動かしてみるのはこれからだけど、一通り読了。
深層学習の基本からChainerまでの導入はわかりやすい。著者の専門も関係していると思うが、例題はword2vecとかRNN/LSTMといった自然言語処理という点も(類書と切り口が違って)よい。サンプル的な説明に留まり実用的な性能を示すところまで至ってないところが残念といえば残念だがそこは求めすぎか。
中井さんのTensorFlow本もそうだけど、深層学習フレームワークがいろいろ出てきて、それに基づいた解説が増えたので、理解が進む。 -
請求記号 007.1/Sh 64
-
噂のchainer & Deep Learning。特にWord2Vecが面白かったのだが、同時にChainerではその頭の良さ(扱える複雑性の高さ)からこそ計算速度が遅いようで、計算が7時間経っても終わらなかったのが残念。Chianerは無料で簡単にダウンロードできるので、すぐ使えるけど「計算時間」という困難を抱えているようだ。これからその部分が進化するのだろうと思った。
NN及びそれの派生系についてもこれ一冊でそれなりに理解できる。 -
numpy, autoencoder, word2vec, RNN, (Attention) encoder-decoder
タイトルの通りchainer の本で、numpy の基本的な操作からVariable は計算グラフを保持しててというレベルから、上に挙げたそれぞれを実装してる。LSTM なんかも全結合層を並べて再実装して解説しててすごい。普通にword2vecとかattentionモデルを、言語としてchainerを使って解説しただけと思っても良い本。
惜しいのは本書が出る頃にchainer には
loop anstraction が入ったので、本書のコードは一昔前のスタイルになってしまったこと。chainerの布教にはいいと貢献すると思うが。