mgktaq

Pythonで画像処理・機械学習・深層学習 / R 統計 / プログラミングを楽しむ&仕事に生かす / 非エンジニアです🍀 TensorFlow PyTorch / Linux Ubuntu トライ中 / 💐Always Be Learning💐 step by step‼️

[mgktaq @mgktaq]

統計再学習

二項分布の n→∞ での正規分布への近似の導出
Markdownを使って書きました
時間はかかったけど、われながら手書きより読みやすい…

[mgktaq @mgktaq]

Python
TensorFlow 公式の 5-flowers で深層学習 ～ CNN
note🖋 https://t.co/NULHf0Y2Tj

summaryとplot_modelでモデルの構造を確認

[mgktaq @mgktaq]

Flattenで一次元化、全結合層、活性化関数はReLU ドロップアウトを0.4 で設定 出力はラベルの数、多クラス分類にて出力層の関数はsoftmax

[mgktaq @mgktaq]

Python
TensorFlow 公式の 5-flowers で深層学習 ～ CNN
note🖋 https://t.co/NULHf0Y2Tj

モデルの構築
tf.Sequential で学習モデルの layer を構築
畳み込み→MaxPoolingをワンセットとして2回
活性化関数はReLU
↓

[mgktaq @mgktaq]

データの取得から加工までのコードは線形モデルと同じです
データ取得・加工の各関数などの詳細は線形モデルのnote（ https://t.co/fCYs15FAz2 ）を参照してください

[mgktaq @mgktaq]

Python
TensorFlow 公式の 5-flowers で深層学習 ～ CNN
note🖋 https://t.co/NULHf0Y2Tj
（コードあり）

久しぶりにTensorFlowのnoteです

TensorFlow公式から取得した花のデータを対象に畳み込みニューラルネットワーク（CNN）を適用しました

画像の特徴を抽出する畳み込みフィルタを使用します

[mgktaq @mgktaq]

学習ループ内でこれに損失や精度の値を記録していく
↓
%tensorboard --logdir runs　でTensorBoardを表示

[mgktaq @mgktaq]

PyTorch学習
3クラスロジスティック回帰

TensorBoardによる可視化
PyTorchでもTensorBoardを使って学習過程を可視化できます
まずtorch.utils.tensorboardからSummaryWriterをインポート
↓
次に SummaryWriter を初期化
↓

[mgktaq @mgktaq]

「Azure Linux 4.0」公開が持つ意味--「Windows Server」に代わる可能性も

「Microsoftは5月に、独自のオープンソース「Linux」ディストリビューション「Azure Linux 4.0」を発表した」

MicrosoftがLinux、サーバー向けと

いろいろなものがLinuxに移行していくのかな

[ZDNET Japan @zdnet_japan]

「Azure Linux 4.0」公開が持つ意味--「Windows Server」に代わる可能性も https://t.co/QT1Bf7XqX5

[mgktaq @mgktaq]

PyTorch学習
3クラスロジスティック回帰

学習ループで、損失に加えて精度も記録するコード

y_pred == y の平均で正解率（精度）計算
その際 with https://t.co/4K00y4LoNT_grad() で勾配計算を外しておきます

lossと同様にaccuracyを蓄積するリストにループごとのaccuracyを記録していきます

[mgktaq @mgktaq]

PyTorch学習
3クラスロジスティック回帰 iris dataset (その4)

損失の推移
パラメータの取得
モデルによる出力で最も大きい値のインデックスが iris のクラスの予測値 y_pred となります
y_pred == y で、これが一致するかのブール型のテンソルになりますので、この平均で正解率（精度）計算

[mgktaq @mgktaq]

PyTorch学習
3クラスロジスティック回帰 iris dataset (その3)

学習ループは2クラスと同様です
今後検証等での予測値と区別するためモデルからの出力はoutputsとしています

[mgktaq @mgktaq]

PyTorch学習
3クラスロジスティック回帰 iris dataset (その2)

モデルの構築は2クラスのものとほぼ同じですが、
3クラス分類なので out_features=3
損失関数は nn.CrossEntropyLoss を使用、この関数内でソフトマックス関数の処理もします（なのでモデルのクラス内にソフトマックスのコードは不要）

[mgktaq @mgktaq]

PyTorch学習

3クラスロジスティック回帰 iris dataset (その1)

多クラス分類に進みます

データセットの取得
テンソルに変換
使用する損失関数 CrossEntropyLoss はLong型(64ビット符号つき整数(int64)) を受け取るのでデータ型を変換しておきます

[mgktaq @mgktaq]

LPI-Japan、「Linuxサーバー構築標準教科書」のUbuntu版を公開

「PDF版（無償）、ePub版（無償）、Kindle版（有償）は既に提供しており、製本版（有償）は予約販売を開始した。同教科書は、Linux技術者認定試験「LinuC （リナック）」の学習の準備としても活用できる。」

[クラウド Watch @cloud__watch]

LPI-Japan、「Linuxサーバー構築標準教科書」のUbuntu版を公開 https://t.co/IRe3dt9MR0

[mgktaq @mgktaq]

Pythonの機械学習や画像処理の基盤であるNumPyについて
NumPyノートブック　数学関数
note🖋️ https://t.co/ZcBLuuKSQO

対数関数
自然対数に次いで使う機会の多い常用対数を追加しました

[mgktaq @mgktaq]

Ubuntu（24.04）をインストールした旧スペック（Win11アップグレード不可）の3番機

Pythonの仮想環境を構築しました
まずはvenvで
はじめvenvが入っていなかったのでインストールから始めました
とりあえずIDLEで起動しています

[mgktaq @mgktaq]

Pythonの機械学習や画像処理の基盤であるNumPyについて NumPyノートブック　数学関数
note🖋️ https://t.co/ZcBLuuKSQO

組み合わせ
統計の基礎である二項分布のもととなる組み合わせの関数 scipy.special.combを追加しました

[mgktaq @mgktaq]

PyTorch学習
2クラスロジスティック回帰

損失関数に nn.BCEWithLogitsLossを使用するコードです
これはシグモイド関数と交差エントロピーの計算をまとめたもの
→モデル構築のクラスからシグモイド関数を外すことができます
データセットの導入、学習ループは nn.BCELossと同じです

[mgktaq @mgktaq]

PyTorch学習
2クラスロジスティック回帰

交差クロスエントロピーの損失関数に nn.BCELossを使用するコードです
データセットの導入、モデルの構築はこれまでと同じです
学習ループ内で nn.BCELossのcriterionで損失を計算します

[mgktaq @mgktaq]

PyTorch学習
2クラスロジスティック回帰（その5）

学習による損失の推移
学習によって得られたパラメータ値
予測結果の確認

シグモイド関数を通していますので、予測値は1か0か近い値に振られています
y == y_pred で正解を収集