PyTorchニューラルネットワーク 実装ハンドブック （単行本）

PyTorchは動的計算グラフ（define by run）を採用した、Pythonプログラムと同じ感覚でニューラルネットワークを構築できる深層学習フレームワークです。本書は、深層学習の基礎をすでに習得したエンジニアが、より難しいタスクへ挑戦するためにPyTorchの開発環境構築から、畳み込み/リカレント/GAN/物体検出まで実装方法を実際にサンプルを作りながら学べる入門書です。データ分析ツールJupyter Notebookに対応しています。

第1章 PyTorchと開発環境
1.1 PyTorch
PyTorchの特徴
1.2 Colaboratoryを使用する
Colaboratoryの保存先ディレクトリ作成とサンプルソースの格納
ColaboratoryからGoogle Driveへのマウント
Google Driveへのマウント
ColaboratoryのTips
1.3 その他の環境を使用する
ローカルPCを使用する
クラウドを使用する

第2章 PyTorchの基礎
2.1 PyTorchの機能
2.2 Tensor
Tensorとは
Tensorへの変換
いろいろなTensorの作成
Tensorの操作
データ型
Tensor形状をチェックする
2.3 ネットワーク定義
Sequentialを使った書き方
nn.Moduleを継承した書き方
nn.ModuleListを使った書き方
nn.ModuleDictを使った書き方
自動微分機能
GPUを使用する
2.4 損失関数と最適化関数
問題の種類に対する損失関数
いろいろな最適化関数

第3章 PyTorchを使ったニューラルネット基礎
3.1 基本的なニューラルネットワークを使った画像分類
概要
データの読み込み
ネットワークを定義
損失関数と最適化関数
学習
結果をプロット
推論

第4章 畳み込みニューラルネットワーク
4.1 CIFAR-10を畳み込みニューラルネットで画像分類
畳み込みとは
ネットワークを定義
学習
4.2 独自データセットを畳み込みニューラルネットワークで
画像分類
データの読み込み
ネットワークの定義
学習
ImageFolderを使用する
4.3 転移学習
転移学習
第5章 リカレントニューラルネットワーク
5.1 リカレントニューラルネットワークの基礎
リカレントニューラルネットワークとは
PyTorchのLSTMブロック
5.2 リカレントニューラルネットワークの順伝搬
リカレントニューラルネットワークへの入力データの与え方
多対多のリカレントニューラルネットワーク
多対一のリカレントニューラルネットワーク
5.3 テキストデータのTensor化
テキストデータのTensor化の全体像
テンソル化の処理ステップ
5.4 文章分類 多対一のモデル
文書分類と多対一
テキストの読み込みとトークン化
トークンのインデックス化と複数テキストのバッチ化
ネットワーク入力前のTensor形状の確認
ネットワークの定義
学習の実行
文章分類の実行
5.5 文章生成 多対多のモデル
文章生成と多対多
テキストの読み込みとインデックス化
複数テキストのバッチ化
ネットワークの定義
学習の実行
文章生成の実行

第6章 敵対的生成ネットワーク
6.1 敵対的生成ネットワークとは
6.2 生成器と識別器のネットワーク
6.3 LSGAN
6.4 Conditional GAN

第7章 物体検出
7.1 イントロダクション
物体検出とは
本章の構成
物体検出の実行
7.2 物体検出モデルSSDの仕組み
デフォルトボックスを使った物体検出の仕組み
ネットワークと特徴マップ
特徴マップとデフォルトボックス
ネットワークの推論結果
ネットワークで作成される特徴マップ
特徴マップの次元数
7.3 学習の処理概要
SSDの学習で必要になる訓練データのオフセット
訓練データの読み込み
ネットワークでの推論
正解座標とデフォルトボックス座標のマッチング
損失関数の計算
7.4 物体検出の学習実行
学習の準備
学習の実行
7.5 訓練データの読み込み
訓練データの準備
訓練データのTensor化
7.6 ネットワークでの推論
ネットワークの定義
ベース、追加ネットワークのリスト作成
オフセット、確信度のネットワークリスト作成
順伝播の実行
7.7 正解座標とボックス座標のマッチング
正解座標の前処理
正解座標とボックス座標のマッチング
?マッチングした正解座標とボックスのオフセット計算
7.8 損失関数の計算
位置の損失関数
クラス分類の損失関数
7.9 物体検出のデモ実行
デモ実行用のネットワーク推論処理
デモプログラムによるバウンディングボックスの出力

第8章 torchパッケージ
8.1 Tensorの生成
8.2 インデックス、スライシング、結合によるTensorの作成
8.3 ランダムサンプリング
8.4 数学演算

第9章 torch.nnパッケージ
9.1 畳み込みレイヤー
9.2 関数群（torch.nn.functional）
9.3 パラメータの初期化
9.4 活性化関数
9.5 正規化レイヤー
9.6 リカレントレイヤー
9.7 線形レイヤー
9.8 ドロップアウトレイヤー
9.9 スパースレイヤー
9.10 距離関数
9.11 損失関数
9.12 DataParallelレイヤー

第10章 torch.optimパッケージ
10.1 最適化関数の選択
10.2 いろいろな最適化関数
10.3 学習率を調整する

第11章 torchvisionパッケージ
11.1 torchvision.datasetsパッケージ
11.2 torchvision.modelsパッケージ
11.3 torchvision.transformsパッケージ
11.4 torchvision.utilsパッケージ

• 2018.12.25

  『PyTorchニューラルネットワーク 実装ハンドブック』
  のサンプルコードのダウンロードについては下記サイトをご確認願います。
  https://www.shuwasystem.co.jp/support/7980html/5547.html