ゼロから作るDeep Learning ❸ ―フレームワーク編

第5ステージDeZeroで挑む

第4ステージでは、機械学習――特にニューラルネットワーク――のための専用の機能をDeZeroに追加しました。具体的には、LayerやOptimizer、DataLoaderなどのクラスです。それらのおかげで、DeZeroはモデルを簡単に作ることができ、さらには学習も効率良く行えるようになりました。DeZeroはすでに、ニューラルネットワークを開発するための基本的な機能を備えています。

これから私たちは、DeZeroをさらに進化させます。具体的には、GPUでの実行やモデルの外部ファイルへの保存といった新しい機能を追加します。また、学習時とテスト時で挙動を変えるレイヤ（Dropoutなど）に対応します。それらの機能を備えることで、DeZeroは立派な「ディープラーニングのフレームワーク」になります。

本ステージの後半では、畳み込みニューラルネットワーク（CNN）や再帰的な構造を持つニューラルネットワーク（RNN）などを実装します。それらは複雑な構造のネットワークであり、簡単には実装できないように見えます。しかしDeZeroを使えば、そのような複雑なネットワーク構造にも柔軟に対応できることが分かります。それでは、最終ステージの始まりです。