README.md

ディープラーニング∞本ノック!!

ディープラーニング∞本（？）ノックぅぅ

まだ作成中なのであしからず

何問になるか分からないので∞本になってます。多分これからいろんな技術が出るからどんどん更新する予定でっす。 これはイモリと一緒にディープラーニングの基礎からDLのライブラリの扱い、どういうDLの論文があったかを実装しながら学んでいくための問題集です。本とか論文読んだだけじゃ机上の空想でしかないので、ネットワークの作成や学習率などのハイパーパラメータの設定を自分の手を動かしながら勉強するための問題集です。

問題集として使ってもテンプレやチートシートとして使っても使い方は自由です！！！！

僕が研究室で３年修行してディープラーニングで必要そうだなーと思ったものを集めてます。

例えば研究してて提案手法を急にKerasでやればとか簡単に言うけどそんなすぐにできるかいってよくあると思うんだけどそういうのにもすぐ対応できる力を身につけるためのものだとも思ってます。

• 内容はいろいろな文献を調べて載っけてるので正しくないものもあるかもしれないので注意して下さい
• 【注意】このページを利用して、または関して生じた事に関しては、私は一切責任を負いません。すべて自己責任でお願い致します。
• コードの書き方は私の趣向がけっこう出てるので、この書き方キモってなったら自分の書き方でやっていってください。答えはあくまで参考です。

環境設定

Python-3.6でやって下さい。(解答はPython-3.6で用意してます)

1. Minicondaのインストール

https://conda.io/miniconda.html のサイトからMinicondaをインストールします。これはWindowでもMacOSでも可能です。Minicondaがインストールできたら、端末(Windowでは端末、MacOSではターミナル)を開き、以下コマンドで仮想環境を作成します。

$ conda create python=3.6 -n dlmugenknock

作成できたら、以下コマンドで仮想環境を動作します。

$ source activate dlmugenknock

するとこうなります。

(dlmugenknock) :~/work_space/DeepLearningMugenKnock/ :$ 

2. gitのインストール

gitをインストールします。そして、端末を開いて、以下のコマンドを実行します。このコマンドでこのディレクトリを丸ごと自分のパソコンにコピーできます。

$ git clone https://github.com/yoyoyo-yo/DeepLearningMugenKnock.git

3. パッケージのインストール

以下のコマンドで必要なパッケージをインストールします。

$ pip install -r requirements.txt

フレームワーク早見表

PyTorch Tensorflow Keras Chainer Caffe 入力 [mb,c,h,w] [mb, h, w, c] [mb, h, w, c] [mc, c, h, w] [mb, c, h, w] 教師ラベル index [mb] onehot [mb, cls] onehot [mb, cls] index [mb] index [mb] 速度 まあまあ早い 早い 早い 普通 まあまあ早い？

問題

詳細な問題内容は各ディレクトリのREADMEにあります。（ディレクトリで下にスクロールすればあります）

• numpy中心ですが、numpyの基本知識は自分で調べて下さい。

理論編

番号 問題

番号 問題

ディープラーニングをやる前の準備編

番号 問題 番号 問題 1 データセットの読み込み

2 ミニバッチの作成

3 イテレーション・エポック

4 データ拡張・水平反転

5 データ拡張・上下反転

CNN・フレームワークの使い方編

画像認識モデル編

問題 PyTorch TensorFlow Keras Chainer LeNet ◯ ◯ ◯ ◯ AlexNet ◯ ◯ ◯ ◯ ZFNet ◯ ◯ ◯ ◯ Global Average Pooling ◯ ◯ ◯ ◯ Network in network ◯ ◯ ◯ ◯ VGG16 ◯ ◯ ◯ ◯ VGG19 ◯ ◯ ◯ ◯ モデルの書き方の簡潔化 ◯ ◯ ◯ ◯ GoogLeNet

Batch Normalization ◯ ◯ ◯ ◯

Semantic Segmentation編

問題 PyTorch TensorFlow Keras Chainer SemanticSegmentationとは

Binalization Step.1. データセット読み込み ◯ ◯ ◯ ◯ Binalization Step.2. 学習時のLoss計算 ◯ ◯ ◯ ◯ Binalization Step.3. テスト時の予測結果の表示 ◯ ◯ ◯ ◯ SemanticSegmentation Step.1. データセット読み込み ◯ ◯ ◯ ◯ SemanticSegmentation Step.2. 学習時のLoss計算 ◯ ◯ ◯ ◯ SemanticSegmentation Step.3. テスト時の予測結果の表示 ◯ ◯ ◯ ◯ UpSampling手法1. NearestNeighbor補間 ◯ ◯ ◯ ◯ UpSampling手法2. Transposed convolution ◯ ◯ ◯ ◯ 特徴マップのconcat ◯ ◯ ◯ ◯

画像処理編

言語処理編

TODO

adaptivebinalizatino, poison image blending

Citation

@article{yoyoyo-yoDeepLearningMugenKnock,
    Author = {yoyoyo-yo},
    Title = {DeepLearningMugenKnock},
    Journal = {https://github.com/yoyoyo-yo/DeepLearningMugenKnock},
    Year = {2019}
}