venvメモ
前提
手順
まず、global gitignoreに以下を追加しておくとよい。
仮想環境を構築する
$ cd [作業フォルダ] $ python -m venv [新しい環境名]
アクティベート
$ . [環境名]/bin/activate
pythonのバージョン変えたい時は以下参照
参考ページ
python macで仮想環境を構築 virtualenv Anacondaが有償化されて困っている人に贈る、Pythonのパッケージ管理
PythonとKerasによるディープラーニング 第５章
いよいよCNNによるおなじみの画像分類である。
学び： - 原則としてCNNでは、情報を漏れなく拾ったうえで寄与が大きい特徴を抽出したいので、「ストライドなしの畳み込み」→「最大プーリング」を使ったほうがよい。 - Rescaling層の存在
続きを読む
PythonとKerasによるディープラーニング 第３章（３）回帰
Boston Housingデータセットを用いた住宅価格予測を行う。
ここでの学び
- データの正規化（入力データ行列の列ごとに平均を引く＆標準偏差で割る→中心０，標準偏差１）
- 小さいネットワークを使ったほうが、過学習を抑制できる。訓練データが少ない＝過学習に陥りやすいので、ネットワークはムダに大きくしない。
- スカラー回帰（連続値を１つだけ予測する回帰）は、最終層ユニットは１，活性化関数は使わない。sigmoidなどの活性化関数を使うと値が０〜１に制限されてしまうので不適切。
- クロスバリデーションを使う場合のワークフロー（データ数少ないときにやる。CVは平均をとって精度を確認するためのもの。そのあと、trainデータ全部で本番の学習をして、testで検証する。）
PythonとKerasによるディープラーニング 第３章（２）多クラス分類
PythonとKerasによるディープラーニング 第３章（１）二値分類
PythonとKerasによるディープラーニング 第2章 メモ
第2章 予習：ニューラルネットワークの数学的要素
ここでは例として、定番のMNISTの画像分類モデルの学習を行うとともに、ディープラーニングの重み調整アルゴリズムの詳細（確率的勾配降下法とか）について説明しています。
続きを読む