PyTorch ニューラルネットワーク実装ハンドブック

出版社
出版日
ページ数
438
PyTorch ニューラルネットワーク実装ハンドブック
ISBN10
4798055476
ISBN13
978-4798055473
目次
第1章 PyTorch と開発環境 1.1 PyTorch 1.2 Colaboratory を使用する 1.3 その他の環境を使用する 第2章 PyTorch の基礎 2.1 PyTorch の機能 2.2 Tensor 2.3 ネットワーク定義 2.4 損失関数と最適化関数 第3章 PyTorch を使ったニューラルネット基礎 3.1 基本的なニューラルネットワークを使った画像分類 第4章 畳み込みニューラルネットワーク 4.1 CIFAR-10 を畳み込みニューラルネットで画像分類 4.2 独自データセットを畳み込みニューラルネットワークで 4.3 転移学習 第5章 リカレントニューラルネットワーク 5.1 リカレントニューラルネットワークの基礎 5.2 リカレントニューラルネットワークの順伝搬 5.3 テキストデータの Tensor 化 5.4 文章分類 多対一のモデル 5.5 文章生成 多対多のモデル 第6章 敵対的生成ネットワーク 6.1 敵対的生成ネットワークとは 6.2 生成器と識別器のネットワーク 6.3 LSGAN 6.4 Conditional GAN 第7章 物体検出 7.1 イントロダクション 7.2 物体検出モデル SSD の仕組み 7.3 学習の処理概要 7.4 物体検出の学習実行 7.5 訓練データの読み込み 7.6 ネットワークでの推論 7.7 正解座標とボックス座標のマッチング 7.8 損失関数の計算 7.9 物体検出のデモ実行 第8章 torch パッケージ 8.1 Tensor の生成 8.2 インデックス、スライシング、結合による Tensor の作成 8.3 ランダムサンプリング 8.4 数学演算 第9章 torch.nn パッケージ 9.1 畳み込みレイヤー 9.2 関数群( torch.nn.functional ) 9.3 パラメータの初期化 9.4 活性化関数 9.5 正規化レイヤー 9.6 リカレントレイヤー 9.7 線形レイヤー 9.8 ドロップアウトレイヤー 9.9 スパースレイヤー 9.10 距離関数 9.11 損失関数 9.12 DataParallel レイヤー 第10章 torch.optim パッケージ 10.1 最適化関数の選択 10.2 いろいろな最適化関数 10.3 学習率を調整する 第11章 torchvision パッケージ 11.1 torchvision.datasets パッケージ 11.2 torchvision.models パッケージ 11.3 torchvision.transforms パッケージ 11.4 torchvision.utils パッケージ
紹介( powered by openBD

PyTorchはニューラルネットワークを構築できる深層学習フレームワークで、データの流れを動的に定義することができる「Define by Run」を採用しています。本書は、画像や文書の分類処理について学べるように、畳み込みネットワークからリカレントネットワーク、敵対的生成ネットワーク(GAN/LSGAN/CGAN)、物体検出までを実例を交えて体系的に解説します。