検索

PyTorch入門

PyTorch入門

デジタルアドバンテージ　一色 政彦

PyTorchの勉強はシンプルなニューラルネットワーク（NN）を実装することから始めてみよう。まずはニューロンのモデル定義から始め、フォワードプロパゲーションとバックプロパゲーション、PyTorchテンソルの基礎、データローダー、最適化、評価まで一通りを解説。さらにCNNやRNNの実装例を通して、PyTorchに習熟する連載。

第1回　難しくない！　PyTorchでニューラルネットワークの基本

PyTorchだって難しくない
本連載の目的と方針
PyTorchとは？
本連載の第3回までで説明する大まかな流れ
（1）ニューロンのモデル定義
・PyTorch 1.4のインストール
・ニューロンのモデル設計と活性化関数
・パラメーター（重みとバイアス）の初期値設定
（2）フォワードプロパゲーション（順伝播）
・フォワードプロパゲーションの実行と結果確認
・動的な計算グラフの可視化
（3）バックプロパゲーション（逆伝播）と自動微分（Autograd）
・簡単な式で自動微分してみる
・ニューラルネットワークにおける各パラメーターの勾配

第2回　PyTorchのテンソル＆データ型のチートシート

（4）PyTorchの基礎： テンソルとデータ型
・チートシート「PyTorchのデータ型」
・チートシート「テンソルの新規作成」
・チートシート「テンソルのサイズ取得とサイズ変更」
・チートシート「テンソルの演算／計算」
・チートシート「テンソルのインデクシング／スライシング」
・チートシート「テンソルからPython数値への変換」
・チートシート「PyTorchテンソル ←→ NumPy多次元配列値、の変換＆連携」
・チートシート「テンソルのデータ型の変換」
・チートシート「テンソル演算でのGPU利用」

第3回　PyTorchによるディープラーニング実装手順の基本

・PyTorchの「核」部分の振り返り

（5）データセットとデータローダー（DataLoader）
・座標点データの生成
・データセットとデータローダーの作成
（6）ディープニューラルネットのモデル定義
・「1」か「-1」に分類するための「出力の離散化」
・ディープニューラルネットワークのモデル設計
（7）学習／最適化（オプティマイザ）
・オプティマイザ（最適化用オブジェクト）の作成
・損失関数の定義
・1回分の「訓練（学習）」と「評価」の処理
・「訓練」と「評価」をバッチサイズ単位でエポック回繰り返す
（8）評価／精度検証
・損失値と正解率の出力
・損失値の推移グラフ描画
まとめ
ページトップに戻る