みらいテックラボ

音声・画像認識や機械学習など, 管理人が興味のある技術の紹介や実際にトライしてみた様子などメモしていく.

「詳解ディープラーニング ~TensorFlow・Kerasによる時系列データ処理~」の紹介

これまで, TensorFlow/Kerasで主にCNNを試してきた[1][2][3][4]が, RNNについてはチュートリアル程度しか試したことがなかった.
音声処理や自然言語処理を行うために, RNNによる時系列データ処理の実装や応用についてもう少し知りたいと思っていたおり, この本の評判を聞き購入した.

 目 次

第1章 数学の準備
第2章 Pythonの準備
第3章 ニューラルネットワーク
第4章 ディープニューラルネットワーク
第5章 リカレントニューラルネットワーク
第6章 リカレントニューラルネットワークの応用

第5章にRNNの基本的な考え方だけでなくLSTM, GRUについてもしっかりと説明されており, また, sin波の予測を例にTensorFlow/Kerasによる実装も記されているので, 試しながら理解ができる.
また, 第6章では, Bidirectional RNN, RNN Encoder-Decoder, Attention RNNなど応用手法の説明もあり, RNNについて基礎から応用まで学ぶことができる.

第1~4章には, Pythonの導入からNN/DNNの基礎的な理論の説明&実装が詳しく記されており, 初心者の方でも試しながら進められるので理解しやすいと思う.

RNNについて詳しく知りたい方だけでなく, TensorFlow/Kerasを使ってDeep Learningを始めてみようという方にもおススメの一冊です.


最後に, 初版 第4刷の正誤表情報を載せておく.
「詳解 ディープラーニング」サポートサイト
あと, 上記以外の誤りと思われる部分も載せておく.

ページ
p.36 17, 20行目 pricepric
p.202 式4.88 
\displaystyle = \frac{\partial{E}}{\partial{x_i}}・\frac{1}{\sqrt{\sigma^2_\beta + \epsilon}}+・・・

\displaystyle = \frac{\partial{E}}{\partial{\hat{x_i}}}・\frac{1}{\sqrt{\sigma^2_\beta + \epsilon}}+・・・
p.211 5行目 式(5.1)は雑音の混じった音を 式(5.2)は雑音の混じった音を
p.219 最下行 return y   return y
p.226 8, 10行目, p.242 13行目, p243 4行目, p.247 20行目 init=weight_variable, kernel_initializer=weight_variable,
p.226 9行目 input_shape=(maxlen, n_out))) input_shape=(maxlen, n_in)))
p.252 5行目 「過去から」と「未来から」の1方向の時間軸に 「過去から」と「未来から」の2方向の時間軸に

注) 他にもKerasのコードの中に, Keras 1.0表記のものがあるかも...

----
参照URL:
[1] TensorFlowで文字認識にチャレンジ(1) - みらいテックラボ
[2] ペットボトルを認識してみよう! (1) - みらいテックラボ
[3] 第1回AIチャレンジコンテスト(料理分類部門)に挑戦してみた!! (1) - みらいテックラボ
[4] 第1回FR FRONTIER:ファッション画像における洋服の「色」分類にチャレンジ!!(1) - みらいテックラボ





詳解 ディープラーニング ~TensorFlow・Kerasによる時系列データ処理~

詳解 ディープラーニング ~TensorFlow・Kerasによる時系列データ処理~




Learning Tensorflow: A Guide to Building Deep Learning Systems

Learning Tensorflow: A Guide to Building Deep Learning Systems