どうも、カタミチです。
さてさて、今日から「最短コースでわかる PyTorch&深層学習プログラミング」のひとり読書会、始めて行きますかねー。
改めて「ひとり読書会」とは…
有志を募って、事前に読む本もしくは読む単元を決めて予習しておき、みんなで集まってその本についての意見交換をする活動である「読書会」を、ひとりで行ってしまおうという試みです！
…つまり、実際には読書会でもなんでもありません（汗）
まぁ、とりあえず悪戦苦闘する様子を発信して、どこかに居るであろう「同じ本を読んで頑張ってる仲間」と共に、時間や空間を超えて励ましあえたらなー、と思っています。
ということで…
張り切って行ってみよ〜
表紙をめくるとそこには
まず、表紙をめくると「機械学習・ディープラーニングの基本的な仕組み」の図と「PyTorchでの実装方法」の図がありました。
ディープラーニングの考え方はこうだけど、PyTorchだとこう読み替えるよー、という意図を持った図ですかね、たぶん。
「機械学習・ディープラーニングの基本的な仕組み」の方は、既に勉強済みの「ディープラーニングの数学」で出てきたものとほぼ同じ図なので、ここをスタート地点にできそうです。で、ここを起点にPyTorchに切り込もう…という感じですかねー。
「PyTorchでの実装方法」の図を見てみると、用語の呼び名が少し変わっていたり、関数名がきっちり定義されていたりする点で違いはあるものの、大きな流れは「基本的な仕組み」の方と変わらないようですね。…まぁ、仕組みと実装方法が違ってたら、設計バグってことになりますから、当たり前か（ふむ）。
ただ、大きな流れは変わらないと言っても、基本的な仕組みではひとつの箱で表現されていた「予測関数」と「予測計算」が分離されてたり、同じく「損失関数」と「損失計算」の箱が分離されていたりしてますね。また、データやロジックの流れを表す矢印の数も「実装方法」の図の方が増えてます。
加えて特徴的なのは、広範な領域が「合成関数」で括られている点ですかね。今はよく意味が分かりませんが、冒頭に書かれてるってことは、この図の意味をキッチリ理解するようになるっていうのがひとつの目的になると思われるので、現時点で無理に理解する必要は無さそうですかね。
章立て
で、そんな図たちの隣には、章立てが書かれていました。私は電子書籍版で買ったので分かりませんが、たぶん紙版だと、図と章立てがセットになったものが、横長で「びろーん」って伸びる紙の形状になってるんじゃないかと予想してます。場合によっては、テカテカした紙質でミシン目が入ってて、切り取って使えるんじゃなかろうか（直感）。電子書籍版の人も、印刷して手元に置いておくといいんじゃないですかねー。
…まぁ、中身を何も読んでないので、手元に置いておくメリットは分からずに言ってますが（おい）。
ちなみに私は印刷はせず、ノートに手書きで書く派です。ベタですが、手で書くと脳に染み込んでくる感じがするんですよねー。
…べ、別に印刷代をケチってるわけじゃないんだからねッ！（何キャラ？）。
ちなみに手で書いたものはこんな感じ。↓
字がキタナイですが、むしろそれがいいんです（開き直り）。…まぁ、自分が読めなきゃNGですが（汗）
使えるペンの色も限られるので元の図からはかなり情報が抜け落ちてますが、読み進めて行って不足を感じたら、後から書き足せばいいと思ってます。まぁそもそも、書き終えた時点で脳にインストールされているので、8割方役割を終えていると言っても過言ではないです（ほんとかよ）。
さて、章立てですが、1章〜4章は「基礎編」のようですね。どうやら、実際に機械学習モデルをPyTorchで実装するための準備をするパートのようです。ここをしっかりやっておかないと、後で手詰まりになるパターンですねこれは。しっかりやっていきたいと思います。
で、5章〜8章が「機械学習 実践編」。モデル構築のパートですね。「線形回帰」「2値分類」「多値分類」と言った、「ディープラーニングの数学」でも登場したモデルも出てきているので、「基本的なライブラリだけで実装した書き方と比べて、PyTorchだとどう書くのかなー」という視点で点検ができそうですかね。
最後の9章〜12章は「画像認識 実践編」となってます。モデルとしてもCNNが登場してたりするのでアドバンストレベルになりそうな予感がしますねー。
なるほどー。
どうやら本書を読み通すと、PyTorchという実用的なフレームワークを通じて画像認識の実践的なモデルまでを扱う事ができるようになるようですね！
ということで
第1回は、最初の見開きを見ただけで終わってしまいました（汗）。果たして読み通すのに何回かかるのか？…そもそもちゃんと終わるのか？不安と期待を胸に、本書の世界に飛び込んでいきますかねー。
ではまた。
