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.
p.36 17, 20行目 | price | pric |
p.202 式4.88 | ||
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.237 10行目 | すべてこの式(5.97)に | すべてこの式(5.53)に |
p.237 ▶14 | 式(5.97)は | 式(5.53)は |
p.238 3行目 | 式(5.97)は、 | 式(5.53)は、 |
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~
| TensorFlow機械学習クックブック Pythonベースの活用レシピ60+ (impress top gear)
| TensorFlowで学ぶディープラーニング入門 ~畳み込みニューラルネットワーク徹底解説~
| Learning Tensorflow: A Guide to Building Deep Learning Systems
|