ディープラーニング実践ガイド ―クラウド、モバイル、ブラウザ、エッジデバイス向けAIアプリ開発入門

7章実践的なツールとヒント

　この章では、我々筆者が業務や本書の執筆を通じて得てきた知見を紹介します。主に、実験の際に明らかになった事柄を取り上げます。他のどの章にも当てはまらないようなトピックもありますが、ディープラーニングの実務者にとって日々のさまざまな作業に役立つものを集めました。実践的であることを念頭に置いて、読者に各種のガイドラインを提供します。実行環境のセットアップ、訓練、モデルの相互運用性、データの収集とラベル付け、コードの質、実験の管理、チームでの共同作業、プライバシー、そしてさらなる探求について取り上げます。

　AIの分野は速いスピードで変化を続けています。この章のコンテンツは、本書のGitHubリポジトリ（http://PracticalDeepLearning.ai参照）のcode/chapter-7ディレクトリで公開し随時更新しているドキュメントのスナップショットのさらに一部です。このドキュメントにない質問や、他の読者の役に立つであろう回答（大歓迎です）をお持ちの読者は、ぜひ@PracticalDLBook（https://www.twitter.com/PracticalDLBook）にツイートするかGitHubリポジトリでプルリクエストを作成してください。

7.1　インストール

質問：便利そうなJupyterノートブックをGitHub上で見つけました。しかし、これを実行しようとするとリポジトリをクローンしてパッケージをインストールし、実行環境をセットアップするといった煩雑な手順が必要です。インタラクティブに実行できる簡単な方法はないでしょうか。

　リポジトリのURLをBinder（http://mybinder.org）に入力すると、インタラクティブなノートブックが生成されます。内部では、リポジトリのルートディレクトリにある ...