🥀

えっちなサイトを作る(10)

1 min read

引き続きえっちなゲームがプレイできちゃうサイトを作ろうと頑張ります。

書籍での学習開始しました。
演習もきちんとやりながら、成果物につながる知識を得ていきたいです😌

前回からの課題

  • 課題:書籍を購入し内容を実践する
    • 課題:書籍の発売時から1年経ってるので完了後に再度技術調査必要
  • 課題:ブックマーク整理
  • 課題:すぐ完了できそうなGoogleの動画入門見る
  • 課題:個人開発をはじめよう本でMVPについてもうちょっと知る

実装技術の知識取得(1)

  • 課題:すぐ完了できそうなGoogleのAI入門動画見る
    • DNNの簡単な仕組みと社会実装例等
    • TensorFlowはとっつきやすそう
    • 修了証もらったのでうれしい

https://ledge.ai/google-ai-challenge/

モザイク除去から学ぶ最先端のディープラーニング本をやる(1)

https://qiita.com/koshian2/items/aefbe4b26a7a235b5a5e

基礎知識すらほぼ無いので、序章から丁寧に進めていく。

  • 序章
    • 実装済み技術のDeepCreamPyについての紹介
      • 2021年初頭に作者がアカウント削除されてる
      • forkリポジトリを調査し、最終版っぽいのをfork
    • いらすとやアワビのモザイク除去に成功
      • いくつか試す。ちょっと使い方に慣れないとイマイチな感じがある
        • 技術的な限界か、または使い方に問題ありか?
        • 課題:DeepCreamPyの使い方について調査
      • 作りたいシステムに応用できるかちょっと分からない
  • 1章
    • 機械学習はT,P,Eという要素が大事だ
      • 迷子になったらこいつを思い出す
    • 古典的手法(最小二乗法)とディープラーニング(DNN)
      • DNNはモデルをスケールできる
      • DNNは目標とする損失関数を色々設定できる
    • Google Colaboratoryを用いた演習(1-0)
      • python基礎
      • pythonを用いた行列計算入門
        • テンソルの数学的部分は置いておいて、とりあえず配列変数として捉える
    • 多層パーセプトロン
      • 回帰問題と分類問題
      • モデルにスケーラビリティをもたせたものが多層パーセプトロン
        • 多層化に意味を持たせているのは活性化関数
        • 特に出力層の活性化関数は特別。出力の値域に応じて選択する。
    • 損失関数
      • 最適化の目標。果てしなく多い。
      • 評価関数は単なる指標
    • 交差検証
      • 未知のデータ(テストデータ)に対する性能を見る必要がある
      • 過学習で性能が悪くなる場合がある
    • Google Colaboratoryを用いた演習(1-1)
      • 途中まで

回帰問題と分類問題小まとめ

やりたいこと 用語 古典的手法 NNでの損失関数
「数値」を予想 回帰問題 最小二乗法 L1Loss , L2Loss
どのクラスに属するか「確率」を予想」 分類問題 ロジスティクス解析 交差エントロピー

終わり

初日から1章すら終わらず!
かなり本の密度が高い…
なんとか振り落とされないようにゆっくりと進めていきたいです。

Discussion

ログインするとコメントできます