サルでもわかる機械学習

流れとしては、以下となります。

1. Anacondaのインストール
2. Anaconda Promptで、chainer2仮想環境の構築（conda create –name chainer2 python=3.5 anaconda）
3. activate chainer2
4. pip install chainer==”2.0″
5. jupyter notebook

（環境）
Panasonic CF-RZ4
Windows 8.1 Pro
Anaconda 4.4.0
Python 3.5
Chainer 2.0

解説は以下のリンクへ

Windows8.1にChainer2.0をインストール
http://twosquirrel.mints.ne.jp/?p=19928

2017年10月現在、本家ChainerはVersion 3.0となっていますが、Chainer3.0の日本語の解説本は出版されていないので、以下の本がお勧めです。

Chainerv2による実践深層学習、新納浩幸

しかし、機械学習の理論の説明はさらっと流してあるので、理論でわからないところが出てきたら、やはり、

斎藤 康毅 ゼロから作るDeep Learning ―Pythonで学ぶディープラーニングの理論と実装

を読み返してみるのが良いと思います。

https://books.google.co.jp/books?id=n342DwAAQBAJ&pg=PA42&lpg=PA42&dq=chainer+%E5%85%A8%E4%BD%93%E5%9B%B3&source=bl&ots=1ybBZW8I4N&sig=X7mUk9h3Ib7P6uk7uKv5F90l-vM&hl=ja&sa=X&ved=0ahUKEwjQo5u1rfrWAhUFI5QKHSJaB5kQ6AEINTAC#v=onepage&q=chainer%20%E5%85%A8%E4%BD%93%E5%9B%B3&f=false

「Trainerを利用する場合の全体図」 (参考：Chainer v2による実践深層学習　新納浩幸 p54)

（引用ここから） ————————————-

（０）#0 Chainerを使用するためのimport文

（１）#1 tuple_datasetによるデータの準備・設定

（２）#2 モデルの記述
class MyModel(Chain):
def __init__(self):
super(MyModel, self).__init__(
# パラメータを含む関数の宣言
)
def __call__(self, x,t):
# 損失関数
def fwd(self, x):
# 順伝播？　ここにもモデルを記載、予測するときにこの関数を用いる

（３）#3 モデルと最適化アルゴリズムの設定（ほぼお約束の3行）
model = MyModel()
optimizer = optimizers.Adam()
optimizer.setup(model)

（４）#4 学習（Trainerを利用する場合）
iterator = iterators.SerialIterator(tdata, bsize)
updater = training.StandardUpdater(iterator, optimizer)
trainer = training.Trainer(updater, (ep, ‘epoch’))
trainer.extend(extensions.ProgressBar())

trainer.run()

（５）#5 結果の出力

————————————- （引用ここまで）