改訂 TensorFlow 対応版 算数 & ラズパイから始めるディープ・ラーニング

本書では, ディープ・ラーニング技術の基礎知識と, それをどのように「動くプログラム」に落とし込むのかについて, ステップ・バイ・ステップで解説しています.また, ラズベリー・パイなる小型コンピュータ・ボードで動かす方法についても解説しています.

『改訂 TensorFlow 対応版 算数 & ラズパイから始めるディープ・ラーニング』 (牧野 浩二、西崎 博光 共著、CQ 出版、2023 年 4 月刊) は、ディープ・ラーニングの基礎知識と、それを「動くプログラム」に落とし込む方法を段階を追って解説し、小型のボード・コンピューターで動かす方法まで扱う入門書です。版元の書籍ページの見出しには「CNN/RNN/AE/DQN で画像・音声・データ分析」が添えられています。データサイエンス・シリーズの 1 冊です。版元の案内によると、2018 年に別のシリーズから出た同じ書名の本はフレームワークに Chainer を使っており、この改訂版で TensorFlow に対応しました。版元は両者について「内容は同一です」と記しています。

全 6 部の構成、算数のニューラル・ネットワークから深層強化学習まで

本書は「はじめに」と「本書の歩き方」に続く 6 部で構成され、各部の中で章番号が 1 から振り直されます。第 1 部「ディープ・ラーニングの世界へようこそ」はできるようになることと必修の 3 大アルゴリズムの紹介、第 2 部は TensorFlow を選んだ理由、TensorFlow と Anaconda のインストール、動作確認、ラズベリー・パイの準備、Windows OS での GPU ボードの設定と、Linux OS の PC を作る番外編の Appendix です。第 3 部では、音でお菓子を認識する、お菓子の種類や本物と偽物を画像で見分ける、迷路を脱出する、話者を認識するという 5 つの体験を先に動かします。第 4 部「算数 & プログラミング練習ステップ・バイ・ステップ」は、イメージと算数でニューラル・ネットワークを解きほぐしたあと、最小構成のネットワークから、層や入出力を増やす段階、ディープ・ラーニングへの突入、初めての畳み込みニューラル・ネットワークまで、プログラミングのステップを 4 つ踏みます。第 5 部は CNN による手書き認識と感情認識、RNN による値の未来予測と文章の自動生成、オートエンコーダによるノイズの除去と筆跡生成、第 6 部は Q ラーニングの仕組みと数式とプログラムを経て深層強化学習へ進み、第 5 章「深層強化学習総仕上げ…成長して強くなる AI づくり」で終わります。

ニューラル・ネットワークの素子、CNN、RNN、オートエンコーダ、DQN

ニューラル・ネットワーク の 1 つの素子は、入力に重みを掛けて足し合わせ、その合計に応じて出力を決める計算です。CNN は画像の小さな領域ごとに同じフィルターを滑らせて特徴を拾う手法、RNN は前の時刻の状態を次の計算に持ち越す手法、オートエンコーダは入力を小さく圧縮してから元に戻すように学習する手法です。Q ラーニングは状態ごとに各行動の価値を表に記録して更新する方法で、その表をニューラル・ネットワークに置き換えたものが副題の DQN です。第 4 部は最小構成のネットワークから層を増やす段階を踏み、第 5 部は CNN、RNN、オートエンコーダ、第 6 部は Q ラーニングと深層強化学習を扱います。

Raspberry Pi は小型のボード・コンピューターです。第 2 部には PC の環境づくりと GPU ボードの設定の章があり、GPU ボードの章には「なくても動くけど学習はどうしても時間がかかるから…」という添え書きが付いています。TensorFlow は Google が開発した機械学習のフレームワークです。

「プログラミングができなくても大丈夫!」の添え書きと体験が先の順

本書の目次は、冒頭の「はじめに」に「プログラミングができなくても大丈夫!」という添え書きを置き、先に第 3 部で体験を動かしてから第 4 部で理屈に戻る順に並んでいます。目次に並ぶ手法は CNN、RNN、オートエンコーダ、深層強化学習です。ディープラーニングの本の選び方は ディープラーニング本の選び方 にまとめています。本書は、ニューラル・ネットワークの算数から深層強化学習までを全 6 部に収めています。