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 | ||
| chainer2.0をwindowsにインストール [2017/10/19] – [見出し] adash333 | chainer2.0をwindowsにインストール [2018/10/07] (現在) – 外部編集 127.0.0.1 | ||
|---|---|---|---|
| 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。 | ||
| + | ===== 参考文献 ===== | ||
| + | 2017-03-22 | ||
| + | Chainer ver2.xをWindowsにインストールしてみた\\ | ||
| + | http:// | ||
| + | |||
| + | ざっくりわかる機械学習 2016年12月\\ | ||
| + | https:// | ||
| + | |||
| + | ===== 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 documentation\\ | ||
| + | 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。 | ||
| + | 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、、、 | ||
| + | Chainer公式チュートリアル1/ | ||
| + | 2016/ | ||
| + | http:// | ||
| - | ===== Chainerプログラミングの全体図 ===== | + | 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。 |
| - | https://books.google.co.jp/books? | + | https://github.com/chainer/chainer/ |
| - | 「Trainerを利用する場合の全体図」 | + | Chainer: ビギナー向けチュートリアル Vol.1\\ |
| - | (参考：Chainer | + | mitmul |
| + | 2017年05月18日に更新\\ | ||
| + | https:// | ||
| - | （引用ここから） | + | 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。 |
| - | ————————————- | + | |
| - | （０）#0 Chainerを使用するためのimport文 | + | < |
| + | <iframe style=" | ||
| + | </ | ||
| - | （１）#1 tuple_datasetによるデータの準備・設定 | ||
| - | （２）#2 モデルの記述 | + | 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。 |
| - | class MyModel(Chain): | + | |
| - | def __init__(self): | + | |
| - | super(MyModel, | + | |
| - | # 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, | ||
| - | updater = training.StandardUpdater(iterator, | ||
| - | trainer = training.Trainer(updater, | ||
| - | trainer.extend(extensions.ProgressBar()) | ||
| - | trainer.run() | + | ===== リンク ===== |
| - | （５）#5 結果の出力 | + | 次 [[Chainer2プログラミングの全体図]] |
| - | ————————————- | + | 前 (無し) |
| - | （引用ここまで） | + | |
chainer2.0をwindowsにインストール.1508371838.txt.gz · 最終更新: 2018/10/07 (外部編集)