今更聞けないディープラーニングの話【ユニット・層・正則化・ドロップアウト】 - HELLO CYBERNETICS
ディープラーニングを手軽に始められるようにはなったものの、実際に学習を上手く進めるにはチューニングという作業が欠かせません。ここではチューニングの際に気をつけることをサラっとまとめておきます。 層の数とユニットの数 層の数 層が多いことの弊害 基本的指針 発展的方法 ユニットの数 前提の知識 学習の指針の例：情報圧縮 ニューラルネットの中間層の役割 出力と入力の架け橋 中間層による表現力の柔軟性 正則化 L1正則化 L1正則化の概要 L1正則化の役割 ハイパーパラメータの調整 L2正則化 L2正則化の概要 L2正則化の役割 正則化がもたらすニューラルネットへの影響 正則化が上手に働く状況 正則化が失敗する例 正則化における方針 最適化法 学習における偽物の解 改良された勾配法 ドロップアウト アンサンブル学習 アンサンブル学習の考え ドロップアウトとアンサンブル学習 ドロップアウトをした場
ティープラーニングでザッカーバーグの顔を識別するAIを作る（学習データ準備編） - Qiita
⓪はじめに 前々から「流行りのAIとかディープラーニングやってみたい！」と思っていたので、ミーハー魂から2017年5月のGWの自由研究として、機械学習(ディープラーニング)の前提知識0からの勉強を決意。実際に作ったもののサンプル動画等はこちらより。最終的なコードはこちらに。 【つくったもの】 シリコンバレーの大御所起業家のマーク・ザッカーバーグ氏(Facebook)、ビル・ゲイツ氏(Microsoft)、イーロン・マスク氏(SpaceX,Tesla)の3人の顔を識別するAI。 (現状、まだこちらはネット上にアップしていません。時間がある時にアップしたいです *2017年5月時点) 【筆者(@AKIKIKIKIKIKIK)のプロフィール】 データ解析や機械学習の前提知識はなし。プログラミングの大体は独学。RailsでWEBアプリ作るのが好き。 【機械学習&ディープラーニングで参考にさせて頂い
1
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
処理を実行中です
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く
