Deep Learningの学習・評価をするコードの書き方を説明します。GPU化する方法とその驚くべき効果も紹介します。Chainerを中心として、numpy, argparse, logging といったモジュールを活用します。

ChainerでDeepLearningの実装について、その注意点も含めて、一通り理解できるようにします。また、各種ライブラリの活用のしかた、GPUの活用のしかたを学ぶことができます。

ちまたで、「Deep Learningスゲー」という声をちらほら聞きます。「Deep Learningやりたい」という声も聞きます。しかしその次にでる言葉が「誰かやって」「誰かできる人いない？」という感じです。少なくとも私の周りには。 また、githubでDeep Learningのフレームワークtheano やChainerを使った実装を見かけますが、素敵な実装はあまり見かけません。で、思うのは、みんなどのくらいDeep LearningのPythonコードを作れているんだろう？ということです。 そこで、theanoのラッパークラスをかれこれ10回位、つくっては壊しを繰り返し、Chainerを最近使い始めた著者が、Chainerを使った実装について、がっつり語りたいと思います。 Deep Learningの研究動向は、とかのはしません。実装の話です。 GPU化する方法とその驚くべき効果も紹介します。Chainerを中心として、numpy, argparse, logging といったモジュールを活用します。