本講義は、[L4DL Project]でディープラーニングを本格的に扱う最初の講義です。

オリエンテーション映像

[L4DL] Project Currimulum 📑

Background

ディープラーニングを勉強するときに単にモデルを作成し、学習をさせることは長期的に大きな意味がありません。

ディープラーニングを本格的に理解するためには、バックプロパゲーションまたはパラメータ更新アルゴリズムを扱う前に、ディープラーニングネットワークがどの演算を使用して出力を計算するかを理解する必要があります。
実際のディープラーニングモデルは、次のプロセスによって作成されます。

ディープラーニングを学ぶ立場で最も集中的に学ばなければならない部分は、Model Trainingコースです。
そして、このプロセスは次のように行われます。

この講義では、このコースの中で、Model PredictionとLoss Calculationに対応するForward Propagationを集中的に取り上げます。これにより、Convolutional Neural Networkがどのプロセスを通じて出力を生成するかを確認できます。
そして、この概念の上でディープラーニングの深い理解がなされるようになります。

Convolutional Neural Networks

ディープラーニングが最初に導入された分野は画像分類です。したがって、ディープラーニングを理解するための最も基本的なモデルは、LeNet、AlexNet、VGGNetなどの画像分類器です。
したがって、このレッスンでは、今後しばらく集中的に取り組むConvolutional Neural Networkに関するネットワークに取り組んでいます。

Implementation with Tensorflow

このレッスンでは、Tensorflowを使用してディープラーニングで使用される最も基本的なレイヤーであるdense layer、convolutional layer、max / avgerage pooling layer、softmax layerを作成し、演算を直接作成しながら、理論的に学んだ内容がTensorflowでどのように実装されているかを確認します。

Parameters in Networks

このレッスンを学んだ後は、ディープラーニングネットワーク全体がどのトレーナブルパラメータを持っているのか、これらの変数がどのように操作に使用されるのかを学びます。したがって、次のように各レイヤーの特徴について理解できるようになります。
将来、この概念はディープラーニングモデルを学習するベクトルチェーンルールを理解するために使用されます。