TensorFlow Tutorials

TensorFlow Tutorials

テンソルフローを基礎からアプリケーションまで段階的に練習できるソースコードを提供します。

TensorFlowの公式サイトで提供されているガイドのほとんどの内容をカバーしており、公式サイトが提供するソースコードよりはるかに簡単に書いたので、簡単に概念を習得することができます。また、すべての注釈はハングル（！）になっています。

ただし、理論に対する深い理解と正確な実装ではなく、さまざまな技法とモデルに対する基礎的な概念とテンソルフローの基本的な使い方学習に焦点を当てましたので、実装が不十分になっている部分が多いことを考慮してください。

また、美しいコードを作るのではなく、順次的な流れとして理解できるように、コードや注釈と作ったことを参考にしていただければ幸いです。

要件

• TensorFlow >= 1.8.0
• Python >= 3.6.1
  • numpy >= 1.14.3
  • matplotlib >= 2.2.2
  • pillow >= 5.1

ゴルビンハッカーの3分ディープラーニング

このリポジトリに関心を持ってくださった多くの方々のおかげで、注釈をまとめて説明を加え、『ゴルビンハッカーの3分ディープラーニング』（ハンライトメディア、2017）という名前で本を出しました。

理論を深く掘り下げるのではなく、さまざまなディープラーニングモデルの基礎概念と基本的なテンサフルで使用法を学ぶことに焦点を当てました。したがって、ディープラーニング/マシンラーニングに初めて触れている開発者にとって特に役立つと思います。

もちろん、装飾用としてはさらに良いです。 ^_^b

購入する

イエス24 |教保文庫|アラジン

おすすめ

ディープラーニングを勉強する立場で、かなり多くの願書や国内翻訳書や資料を読んでみましたが、核心をこんなに簡潔に実用的によく解いた資料を見たことがありません。他の本は通常CNNモデルの説明までとどまっていますが、この本はRNN、DQN、オートエンコーダまでの主要なディープラーニングモデルを実用的な例としてアプローチするため、ディープラーニングを勉強する人々に良い方向を提示します。ディープラーニングを始める人なら、必ず本棚に一冊くらいつけられなければならない本だと強くお勧めします。

チョ・ビョンウク（チョ・デヒョク）、グーグルコリアクラウドエンジニア「（チョ・デヒョクのサーバーサイド）大容量アーキテクチャとパフォーマンスチューニング」

---

「人工知能は新しい時代の伝記だ」ディープラーニングの世界最高の権威であるアンドリュー・ング博士はバイドゥを去り、AIの未来価値をこのように表現しました。 AIはもはや少数の科学者のための研究ではなく、電気のように日常で誰でも楽に使える技術で近づいてきたという話です。実際、この本はAIの核心であるディープラーニングが誰でも楽に使える電気のような技術ということをよく説明します。イメージ認識の恵みであるCNN、2016年に最も熱いジャガイモだったGAN、自然言語認識を代表するRNN、アルファゴで代表されるグーグルディープマインドのDQNまで...従ってみると、誰もが難しくないように人工知能分野を代表する技術が実際にどんなものかを親切な説明を通じて簡単に理解できるあります。この本の最後の章まで読んだ後、私はアンドリューの言葉にもっと同意しました。この本は、電気をうまく活用したい皆さんに良いアシスタントになると確信しています。

パク・サンギル、カカオ新規検索開発TF長

---

このように楽しくディープラーニングに近づくこともできると思いました。あまりにも軽すぎず、過度に学術的ではありません。一つずつ作ってみる過程とよく織り込まれたコードは、この分野を初めて始める方々に一つのマイルストーンになると思います。

ソ・ミング、グーグルコリアソフトウェアエンジニア『Rを利用したデータ処理＆分析実務』著者

---

コード中心の具体的な説明と難しくない用語で基本概念の確立まで！ディープアルモット開発者がディープラーニングの海に出航する際に指針となる本です。もうすぐディープラーニングの世界に飛び込む必要がある私のワイプ様にもぜひお勧めしたいですね！

ハ・ジョンウ、ネイバークローバAI研究チーム長

本のプレビュー

issuu | SlideShare

簡単な説明

01 - Why TensorFlow

• 機械学習の基本概念と、なぜテンサフローを書くべきかについて話します。

02 - Preparation

• テンサフロー設置方法とジュピター紹介

03 - TensorFlow Basic

• 01 - 基本
  • テンソルフローの演算の概念とグラフを実行する方法を学びます。
• 02 - Variable
  • TensorFlowのプレースホルダーと変数の概念を学びます。
• 03 - Linear Regression
  • 単純な線形回帰モデルを作成します。

04 - Neural Network Ba​​sic

• 01 - Classification
  • ニューラルネットワークを構築して簡単な分類モデルを作成します。
• 02 - ディープNN
  • 複数のニューラルネットワークを構成する方法を学びます。
• 03 - Word2Vec
  • 自然言語分析に非常に重要なWord2Vecモデルを簡単に実装します。

05 - テンソルボード、セーバー

• 01 - セーバー
  • 学習したモデルを保存して再利用する方法を学びます。
• 02 - TensorBoard
  • Tensorboardを使用してニューラルネットワークの構成と損失値の変化を視覚的に確認してください。
• 03 - TensorBoard #2
  • テンソルボードにヒストグラムを追加します。

06 - MNIST

• 01 - MNIST
  • 機械学習のHello WorldのようなMNIST（手書きの数字認識）の問題をニューラルネットワークで解放します。
• 02 - ドロップアウト
  • 過適合を防ぐためによく使用されるDropout技術を試してください。

07 - CNN

• 01 - CNN
  • 画像処理の分野で最も有名なニューラルネットワークモデルであるCNNを使用して、より高い認識率を作成します。
• 02 - tf.layers
  • ニューラルネットワークの設定を容易にするHigh level APIであるlayersを試してみてください。

08 - Autoencoder

• 01 - Autoencoder
  • 代表的な非監督（Unsupervised）学習方法である Autoencoder を試してみます。

09 - GAN

• 01 - GAN
  • 2016年に最も関心を集めた非監督学習方法であるGANを実装します。
• 02 - GAN #2
  • GANを使用して、必要な数の手書きの画像を生成するモデルを作成します。このように白黒写真をカラーにしたり、線画を彩色したりするアプリケーションが可能です。

10 - RNN

• 01 - MNIST
  • 自然言語処理や音声処理分野でよく使われる RNN の基本的な使い方を学びます。
• 02 - Autocomplete
  • 順序のあるデータに強いRNN特徴を利用して、単語のうち最初の3文字を与えれば単語を完成するモデルを実装してみます。
• 03 - Seq2Seq
  • チャットボット、翻訳、画像キャプショニングなどに使用されるシーケンス学習/生成モデルであるSeq2Seqを実装してみます。
• Chatbot
  • Seq2Seqモデルを使用して簡単なチャットボットを作成します。

11 - Inception

Googleが開発した画像認識に非常に優れたニューラルネットワークモデルであるInceptionを試してください。

ニューラルネットワークモデルを直接実装する必要なく、簡単なスクリプト作成だけで独自のデータを利用して、非常に優れた認識率を持つプログラムをすぐに実務に適用できます。

詳細については、11 - Inception/README.md ドキュメントを参照してください。

12 - DQN

アルファゴで有名なGoogleのディープマインドで開発したディープラーニングを利用した強化学習であるDQNを実装してみます。

少し複雑に見えますが、重要な部分をできるだけ分離しておいたので、十分に追いつくことができるはずです。

詳細については、12 - DQN/README.md ドキュメントを参照してください。

メモ

もう少し基本的な理論については、次のコースとリポジトリを参照してください。

• みんなのための機械学習/ディープラーニング講義
• 講座実習コード（私が作った）

Troubleshooting

• Mac OSでmatplotlibを使用するコードが実行できない、またはエラーが発生した場合
  • ~/.matplotlib/matplotlibrcファイルを作成し、 backend: TkAggという設定を追加してください。