[ai]『深層学習』を読む (4)

3章まで読み進んだ。

2章までは確率とか公式とかが多くてなかなか読み進まなかったのだが、3章は数式というよりもテクニックのようなものが多かったので、「ふーん、そうなんだ」で読み進めてしまった。
確率でどうのこうのという話をしていたが、じゃあどうやって事後確率を高めるのか、ということを考える章だと思う。

理論は伴わないけどノウハウとして知られていて、それで効果も上がる、みたいな方法が説明してあり、こういう数学っぽい分野でそういうものもあるんだ、というのが面白いところだ。

---

そして、だんだんと「調べたことをどうしようかね」と思うようになった。
実装してみるというのもよいのだろうが、ブログなどを見ている感じではオープンソースのフレームワークを利用する、というのがよさそうな気がしている。
だってね・・・難しそうだし、実装が間違っていても気付かなさそうだし。
悔しいが、負けを認めよう。

有名なフレームワークはいくつかあるらしいが、最初に出てきたこれを見てみよう。
Caffe | Deep Learning Framework
画像分類には興味ないのだけど、みんな楽しそうに分類しているので、デモを試してみた。

ヘルメットね、うん。
なんとなく、わからなくもない。
いくつか自分の描いた画像を試したけど、デフォルメしたようなものはクラス分けがうまくいかないようだ。
まあ、写真がいいんだろうね(私は写真をあまり撮らないので、いいのがなかった)。

インストールは、ここのようだ。
Caffe | Installation
計算をたくさんするためか、GPUで動かすモードもあるみたい(CUDA、というのがいる)。
OpenCVもいるというのは、やはり画像が強いのかいな？
本では「たたみ込みニューラルネット」というのが画像認識によく使われると書いてある。

どうせ本を読んでいる間はPCが遊んでいるので、インストールしてみますかね。