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 [2017/10/20] – [インストールしたら読むサイト] 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 ===== | ===== インストールしたら読むサイト ===== | ||
行 57: | 行 73: | ||
https:// | https:// | ||
- | 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、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。 | + | 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。 |
- | 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。 | + | < |
+ | <iframe style=" | ||
+ | </ | ||
- | ===== Chainerプログラミングの全体図 ===== | + | 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。 |
- | ==== Trainerを利用しない場合のChainer全体図 ==== | + | |
- | + | ||
- | + | ||
- | https:// | + | |
- | + | ||
- | 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。 | + | |
- | + | ||
- | + | ||
- | < | + | |
- | + | ||
- | (0)#0 Chainerを使用するためのimport文 | + | |
- | + | ||
- | (1)#1 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) | + | |
- | model = MyModel() | + | |
- | optimizer = optimizers.Adam() | + | |
- | optimizer.setup(model) | + | |
- | (4)#4 学習(Trainerを利用しない場合) | ||
- | for epoch in range(繰り返し回数) | ||
- | データの加工 | ||
- | model.cleargrads() # | ||
- | loss = model(...) | ||
- | loss.backward | ||
- | optimizer.update | ||
- | (5)#5 結果の出力 | ||
- | </ | ||
===== 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.1508532797.txt.gz · 最終更新: 2018/10/07 (外部編集)