直感 Deep Learning ―Python×Kerasでアイデアを形にするレシピ

9章総括

おめでとうございます！ 皆さんは本書の最後までたどり着きました。私たちがどれだけ多くのことを学んだのか、ここで少し振り返って見てみましょう。

ほとんどの読者の方は、Pythonおよび機械学習に関するある程度の知識を備えていたと思います。そこからさらに、ディープラーニングについて学び、Pythonを利用してそれを実装する力を身につけようとしていたのではないでしょうか。

まずはKerasのインストール方法、そして全結合層を利用したシンプルな多層パーセプトロンのモデルの構築から始めました。さらに、モデルの性能を上げるための多くのハイパーパラメータについて学びました。Kerasではデフォルトのパラメータとして多くの試行錯誤の結果得られた妥当な値が設定されていますが、今後チューニングの知識が役立つ機会は少なからずあるでしょう。

次に、畳み込みネットワーク（convolutional neural network：CNN）について学びました。CNNはもともと画像データに用いられていましたが、現在ではテキストや音声、動画といったさまざまなデータに対しても適用されています。KerasでこのCNNが簡単に実装できることはすでに学んだと思います。さらに、ゼロから学習させるのではなく、事前学習済みのモデルを使用して自分の用意した画像に対して適用させる転移学習/ファインチューニングの手法についても見てきました。

そこから、お互いに働きかける中で学習する一対のネットワークである敵対的生成ネットワーク（generative adversarial network：GAN）について学びました。GANはディープラーニング研究において先進的な領域のひとつであり、GANに関する多くの研究がなされています。 ...