どうも、カタミチです。
さて、今日も「最短コースでわかる ディープラーニングの数学」のひとり読書会、やっていきたいと思います。
前回までで「実践編」を終え、とうとう「発展編」。最終章である「11章：実用的なディープラーニングを目指して」に突入です！
11-1. フレームワークの利用
これまで、数学を理解しながら苦労して組んできたロジックは、「フレームワーク」を使うことでカンタンに書けるようだ…というのは、途中の段階で分かってましたよ、ええ。
むしろ、私のように「機械学習も良く分からんし、フレームワークなんて使ったことないけど、とりあえず数学の理論から学ぼう」って人のほうが少数派じゃないですかね。「フレームワークでカンタンに実装できることは知ってるけど、中身がどういうロジックで組まれているのかを知りたい！」という方が、本書を読む動機としては自然ですもんね。
まさに日進月歩の分野なので、本書の初版が出た3年前から状況は恐らく変わっていると思いますが、そんなこと言って情報を取らなかったらいつまで経っても勉強は進まないので、読み進めてみたいと思います。
とりあえず、4つのフレームワークが簡単に紹介されていました。Keras、TensorFlow、PyTorch、Caffeですね。このうちKerasについては、前章のmnistデータを使った画像認識モデルを例題とした実装例が書かれていました。
同じロジックでも、さすがに、コード量がだいぶ少なくて済むようでした。実用という意味では、フレームワークの使いこなしはマストなんでしょうねー。しかし、Keras使うなら「scikit-learn」はイラナイってことなのかなー。そのあたりの関連性は、もう少し勉強が必要みたいです。
ただ、フレームワークについては「PyTorch」からやってみようかなー、と思っています。イニシエのプログラマー的にはDefine-by-Run（モデルを動的に構築するやり方）はちょっと手に馴染まないかもしれませんが、実は既に教材を入手してしまっているんです。
その教材とは…
最短コースでわかる PyTorch ＆深層学習プログラミング
はい、今勉強している「ディープラーニングの数学」と同じ著者の書いた、いわば姉妹本ですね。
ここまでの話の流れ的に「『ディープラーニングの数学』が良かったから、『PyTorch ＆ 深層学習プログラミング』も買った！」…と思われそうですが、実は違います（違うんかい）。
実は、購入したのは『PyTorch ＆ 深層学習プログラミング』が先なんです（名探偵コナン的展開）。ではなぜこの本を購入したのか？それには深い理由があったのだー。それは…
…
…
Amazonで半額ポイントバックキャンペーンをやってたからだ〜！
（浅っ！理由めっちゃ浅っ！）
…まぁ、理由はともあれ、既に購入済みのPyTorch本があるとあっては、勉強に使わない手はありません。ちなみに『ディープラーニングの数学』は、その時バックされてきたポイントで買いました。…半額セールやってたので（こっちも購買理由が浅い）。これが俗に言う、「購買降下法」ですね（俗に言わない）。
しかし、結果的に『ディープラーニングの数学』にはかなり勉強させてもらったので、購買の理由なんて誤差ですよ誤差。この勢いを、先に買った『PyTorch ＆ 深層学習プログラミング』にも逆伝播させて、学び倒したいと思います。バックプロパゲーション！（ごまかしたな）
ということで
フレームワークかー。最新の話になってくると、関連する情報は英語しかない…みたいな状態なんでしょうねー。逆に、英語の情報しか無いところまでたどり着くことができれば、ようやく機械学習アカデミー卒業…って感じですかねー。
ではまた。
