PyTorch 実践入門(パイトーチジッセンニュウモン)

ディープラーニングの重要な基礎概念と、 PyTorch を用いたディープラーニングの実装方法について、細部まで掘り下げて解説。限られたデータでニューラルネットワークを訓練する方法、訓練済みモデルのデプロイ方法など『ディープラーニング・プロジェクトのベストプラクティス』を提示します。

・ディープラーニングのメカニズムを解説
・ Jupyter Notebook 上でサンプルコードを実行
・ PyTorch を用いたモデル訓練の実施
・実データを使用するプロジェクトをベースに実践的解説
・本番環境へのさまざまなモデルデプロイ方法

PyTorch で実際にどのように組み込まれて実現されているのか、細部まで掘り下げた解説をしていますのでディープラーニングの活用を目指している開発者や詳しく知りたい方におすすめです。
Manning Publications 『 Deep Learning with PyTorch 』の翻訳書

第 1 部 PyTorch の基礎
第 1 章 ディープラーニングと PyTorch の概要
第 2 章 訓練済みモデルの利用方法
第 3 章 PyTorch におけるテンソルの扱い方
第 4 章 さまざまなデータを PyTorch テンソルで表現する方法
第 5 章 ディープラーニングの学習メカニズム
第 6 章 ニューラルネットワーク入門
第 7 章 画像分類モデルの構築
第 8 章 畳み込み (Convolution)

第 2 部 ディープラーニングの実践プロジェクト:肺がんの早期発見
第 9 章 肺がん早期発見プロジェクトの解説
第 10 章 LUNA データを PyTorch データセットに変換
第 11 章 結節候補を画像分類するモデルの構築
第 12 章 評価指標とデータ拡張を用いたモデルの改善
第 13 章 セグメンテーションを用いた結節の発見
第 14 章 結節・腫瘍解析システムの全体を構築

第 3 部 デプロイメント (Deployment)
第 15 章 本番環境にモデルをデプロイする方法
第 1 部 PyTorch の基礎
第 1 章 ディープラーニングと PyTorch の概要
第 2 章 訓練済みモデルの利用方法
第 3 章 PyTorch におけるテンソルの扱い方
第 4 章 様々なデータを PyTorch テンソルで表現する方法
第 5 章 ディープラーニングの学習メカニズム
第 6 章 ニューラルネットワーク入門
第 7 章 画像分類モデルの構築
第 8 章 畳み込み

第 2 部 ディープラーニングの実践プロジェクト:肺がんの早期発見
第 9 章 肺がん早期発見プロジェクトの解説
第 10 章 LUNA データを PyTorch データセットに変換
第 11 章 結節候補を画像分類するモデルの構築
第 12 章 評価指標とデータ拡張を用いたモデルの改善
第 13 章 セグメンテーションを用いた結節の発見
第 14 章 結節・腫瘍解析システムの全体を構築

第 3 部 デプロイメント
第 15 章 本番環境にモデルをデプロイする方法

深層学習のフレームワークとして PyTorch を選んだものの、公式チュートリアルだけでは断片的で全体の見通しが立たない。本書 (原著 "Deep Learning with PyTorch") は、そのギャップを埋めるために書かれた実践ガイドです。テンソル操作やオートグラドの仕組みから始まり、画像分類用の CNN を構築してデータの前処理・学習ループ・評価までを一通り手を動かしながら進める構成になっています。

特徴的なのは、 CT スキャン画像から肺結節を検出するという具体的なプロジェクトを通じて、「実データに向き合う際に何が必要か」を追体験させる点です。データの読み込み・正規化・拡張・モデル改善のサイクルが一本のストーリーとして繋がるため、断片的なスニペットの寄せ集めでは得られない実装の流れが身につきます。

前提として Python の基本文法と線形代数の初歩が必要ですが、 PyTorch 自体の経験はゼロでも読み始められます。 TensorFlow / Keras から移行したい人や、フレームワークの「お作法」を体系的に学びたい人にとって、手を動かしながら読む最初の一冊として適しています。