chainer2.0をwindowsにインストール
差分
このページの2つのバージョン間の差分を表示します。
両方とも前のリビジョン前のリビジョン次のリビジョン | 前のリビジョン最新のリビジョン両方とも次のリビジョン | ||
chainer2.0をwindowsにインストール [2017/10/19] – [Trainerを利用する場合の全体図] adash333 | chainer2.0をwindowsにインストール [2017/11/03] – [インストールしたら読むサイト] adash333 | ||
---|---|---|---|
行 1: | 行 1: | ||
===== Chainer2.0をWindowsにインストール ==== | ===== Chainer2.0をWindowsにインストール ==== | ||
流れとしては、以下となります。 | 流れとしては、以下となります。 | ||
- | - Anacondaのインストール | + | - [[http:// |
- | - Anaconda Promptで、chainer2仮想環境の構築(conda create --name chainer2 python=3.5 anaconda) | + | - Anaconda Promptで、chainer2仮想環境の構築< |
- | - activate chainer2 | + | - chianer2仮想環境の起動< |
- | - pip install chainer==”2.0″ | + | - chainer2仮想環境にChainer 2.0をインストール< |
- | - jupyter notebook | + | - Jupyter Notebookを起動< |
(環境)\\ | (環境)\\ | ||
行 23: | 行 23: | ||
Chainerv2による実践深層学習、新納浩幸 | Chainerv2による実践深層学習、新納浩幸 | ||
+ | |||
+ | < | ||
+ | <iframe style=" | ||
+ | </ | ||
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、 | 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、 | ||
行 28: | 行 32: | ||
斎藤 康毅 | 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 | 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 | ||
+ | |||
+ | < | ||
+ | <iframe style=" | ||
+ | </ | ||
を読み返してみるのが良いと思います。 | を読み返してみるのが良いと思います。 | ||
- | さらに、以下の解説をがんばって読むと、実行できるようになりそうです。 | + | ===== 参考文献 ===== |
+ | 2017-03-22 | ||
+ | Chainer ver2.xをWindowsにインストールしてみた\\ | ||
+ | http:// | ||
- | Chainer: ビギナー向けチュートリアル Vol.1\\ | + | ざっくりわかる機械学習 2016年12月\\ |
- | mitmul | + | https://www..jp/expert/articles/? |
- | 2017年05月18日に更新\\ | + | |
- | https://qiita.com/mitmul/items/eccf4e0a84cb784ba84a | + | |
+ | ===== インストールしたら読むサイト ===== | ||
+ | さらに、以下の解説をがんばって読むと、実行できるようになりそうです。 | ||
- | ===== Chainerプログラミングの全体図 ===== | + | Chainer |
- | ==== Trainerを利用しない場合のChainer全体図 ==== | + | Introduction to Chainer\\ |
+ | https:// | ||
+ | Chainerは日本の開発が開発している機械学習フレームワークなのに、公式ドキュメントは英語しかありません。 | ||
- | https:// | + | 有志の方が日本語訳を作って下さっており、 |
+ | 大変参考になります。というか、日本語訳がないと困ります、、、 | ||
- | この本の図の通りなのですが、一つずつ解説させていただきたいと思います。 | + | Chainer公式チュートリアル1/ |
- | ==== Trainerを利用する場合のChainer全体図 ==== | + | 2016/ |
+ | http:// | ||
+ | なお、公式チュートリアルを読む際には、公式Githubのtrain_mnist.py(Versionに応じたもの)を見ながらが分かりやすいです。 | ||
- | 「Trainerを利用する場合の全体図」 | + | https:// |
- | (参考:Chainer | + | |
- | (引用ここから) | + | Chainer: ビギナー向けチュートリアル Vol.1\\ |
- | ————————————- | + | mitmul |
- | + | 2017年05月18日に更新\\ | |
- | < | + | https:// |
- | + | ||
- | (0)# | + | |
- | + | ||
- | (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, | + | |
- | # パラメータを含む関数の宣言 | + | |
- | ) | + | |
- | def __call__(self, | + | |
- | # 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) | + | こちらの記事はビギナー向けと書いてありますが、『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5回くらい読んで、機械学習の理論についてある程度理解してからでないと、何をやっているのかさっぱりだと思います。 |
- | model = MyModel() | + | |
- | optimizer = optimizers.Adam() | + | |
- | optimizer.setup(model) | + | |
- | (4)#4 学習(Trainerを利用する場合) | + | < |
- | iterator | + | <iframe style=" |
- | updater | + | </ |
- | trainer | + | |
- | trainer.extend(extensions.ProgressBar()) | + | |
- | trainer.run() | ||
- | (5)#5 結果の出力 | + | ちなみに、本気で機械学習プログラミングを実行するためには、コンピュータのGPUの火力が必須です。Chainerとさくらインターネットが提携していて、『高火力コンピューティング』(1時間単位で課金)というものがあり、Chainerの導入方法もマニュアルがあるそうです。 |
- | </ | + | |
- | ————————————- | ||
- | (引用ここまで) | ||
===== リンク ===== | ===== リンク ===== | ||
- | リンク | + | 次 [[Chainer2プログラミングの全体図]] |
+ | 前 (無し) |
chainer2.0をwindowsにインストール.txt · 最終更新: 2018/10/07 by 127.0.0.1