今回は「現場で使える！Pytorch開発入門」というPytorchの入門書を読んでみたので，その感想を書いていきたいと思います
こんな人は読んでみるべき
私が読んでみた感想としては
- Pytorchを基礎から学びたい
- 深層学習の基礎知識があり，実際に深層学習で遊んでみたい
というような人におすすめです。
本の中に実際に動作するコードが書かれているので，自分の手を動かしながらPytorchの基礎を学ぶことができます。
広い分野の基礎的な問題の実装が紹介されているので，Pytorchを初めて扱う方にはおすすめと言えるでしょう。
また，これまで読んできた機械学習の本は数式が多くて挫折してしまったという方でも，
この本はお勧めです。
この本ではできるだけ数式を使わず，実例とコードで説明してくれるので，
数式が苦手な方でも実際に手を動かして深層学習を理解できるような内容になっています
こんな人にはあまりおすすめとはいえません
- 機械学習・深層学習の理論を勉強したい
- python を使ったことがない
- 初めて深層学習を勉強する
この本では数式を使わず，実例やコードを用いて深層学習を理解することを目的としています。
なので，機械学習・深層学習の数学的な理論を勉強したいという方にはあまりお勧めとはいえません。
また，pythonを使って実装しているので、pythonを使ったことがないという方がこの本を読み進めていくことは難しいでしょう。
加えて，この本の主題は深層学習の実装であるため基礎的な用語の説明は最小限です。
そのため，深層学習に全く触れたことがないという方には少し読みにくいかもしれません。
この本で何がわかる？
主な内容としては以下の5つです。
- Pytorch の基本となるtensorの扱い方
- Pytorchによる単純な機械学習モデルの実装方法
- 画像処理（畳み込みニューラルネットワーク，GANを用いた画像生成）
- 自然言語処理（RNNを用いた文章のクラス分類・文章生成，Encoder-Decoder モデルによる機械翻訳）
- 推薦システム
Pytorch の基本となるtensorの扱い方
各種演算の方法や要素の指定方法などtensorの基礎的な扱い方がわかります
Pytorchによる単純な機械学習モデルの実装方法
線形回帰モデルやロジスティック回帰モデルなど基本的な機械学習モデルを実装します
この章では，実際にロジスティック回帰モデルを活用して，入力した画像があやめの花であるかを判別するニ値分類問題を扱っています
画像処理（畳み込みニューラルネットワーク，GANを用いた画像生成）
この章では，画像処理で広く用いられている畳み込みニューラルネットワークを活用した画像分類モデルとGANを利用した画像生成モデルの 2 つを実装します
画像分類の節では，実際にタコスとブリトーという似た料理の画像をモデルに入力し，どちらの料理であるかを分類する問題を扱っています
画像生成の節では，花の画像でモデルを学習することで，実際に存在するような花の画像を生成するモデルを実装位します
実際に出力した画像が花の画像になっているので，実装後に達成感がありました
自然言語処理（RNNを用いた文章のクラス分類・文章生成，Encoder-Decoder モデルによる機械翻訳）
この章では，RNNを用いた文章のクラス分類・文章生成，Encoder-Decoder モデルによる機械翻訳の 3 つのモデルを実装します
RNNを用いた文章のクラス分類では，文章からその文章がポジティブな内容かネガティブな内容かを予測する問題を扱っています
RNNを用いた文章生成では，Shakespeareの劇場のスクリプトから似た文体を持つ文章を生成するモデルを実装します
Encoder-Decoder モデルによる機械翻訳では，英語をスペイン語に翻訳するモデルを実装しています
推薦システム
この章では，行列因子分解を用いた推薦システムを実装します
映画に対する 5 段階評価のデータセットから各ユーザーに興味がありそうな映画を推薦するようなモデルを実装します
終わりに
今回は，現場で使える！Pytorch開発入門を読んだので，その感想を紹介しました
少しでも「Pytorch の基礎から学べる本を探している」という方の参考になればと思います
コメント