TensorFlowのチュートリアル紹介

2022年6月1日 08:00

はじめに

本投稿の内容について
こんにちは。SHIFT DAAE（ダーエ）部の栗山です。本記事ではTensorFlowのチュートリアルを紹介します。ディープラーニングのフレームワークはほかにもありますが、以下の理由から入門にはTensorFlowのチュートリアルがおすすめです。
- 環境構築不要
  - GoogleアカウントがあればOK
- 説明がとても丁寧
  - 前提知識がないとわかりづらい部分があるので、本投稿でそれを補っていきます
構成
本記事は「ディープラーニング入門」をテーマにした全３回の投稿の２回目です。全体の構成は以下のようになります。
1. AI技術におけるディープラーニングの位置づけ ←前回
2. TensorFlowのチュートリアル紹介 ← 今回
3. ディープラーニングで始めに知っておきたい理論の紹介

本投稿では、以下のチュートリアルの補足解説をします。
TensorFlowのチュートリアルはとてもよくできているのですが、それでもはじめてディープラーニングをやる場合はわからないことが多いと思います。
本投稿を参考にしつつ、以下のリンク先で実際にチュートリアルを行って頂ければと思います。

上記リンク先に移動し、「Run in Google Colab(※下記画像参照)」をクリックします。そこからGoogle Colabを使用してWEB上でTensorFlowのチュートリアルを進めることができます。

上記チュートリアルのディープラーニングのモデルを以下に図解します。
画像データを入力し、その画像が何であるか？（分類結果）を出力します。
※以下の「画像データ」はTensorFlowのチュートリアルよりお借りしました。

入力データについて説明します。
入力データである画像は以下のように「２８マス × ２８マス」で構成されます。１マスの値は２５６段階の白黒データです。
これからの画像を訓練用に６０，０００枚、評価用に１０，０００枚使用します。

今回のモデルは以下のようなネットワークになります。
入力層、中間層、出力層の３層からなる多段階のニューラルネットワークです（多段階のニューラルネットワークをディープラーニングと呼びます）。

入力層
- 入力データを受け取ります
- 画像データに対応するように（２８×２８で）７８４個のノードがあります
中間層
- 中間層は、入力層からデータを受け取り、出力層へと渡します
- 今回のモデルでは中間層には128個のノードがあります
出力層
- 出力層は、中間層からデータを受け取り、画像を分類します
- （※画像が１０個のクラスに属する確率を出力します。上記画像の例では、靴の確率が２％、Ｔシャツの確率が８８％・・・といった結果を出しています）

チュートリアルの大まかな流れは、以下のようになります。
※チュートリアルでは画像データを確認する処理が多いので、全体の流れを見失いそうになりますね。

お読みいただきどうもありがとうございます。
本投稿がディープラーニングを理解する上での助けになれば幸いです。

はじめてのニューラルネットワーク：分類問題の初歩
- 本投稿で紹介したチュートリアルのページです。
- 本投稿で使用したTシャツの画像データはこちらからお借りしました。

＼もっと身近にもっとリアルに！DAAE公式Twitter／

Tweets by SHIFT_DAAE

執筆者プロフィール：Kuriyama Akira
株式会社SHIFT DAAE（ダーエ）で開発エンジニアをしています。前職はPM＆エンジニア（C＋＋）です。モダンなWEBアプリは色々と学ぶことが多く、そういった内容もブログに書いていきたいです。

SHIFTについて（コーポレートサイト）
https://www.shiftinc.jp/

SHIFTのサービスについて（サービスサイト）
https://service.shiftinc.jp/

SHIFTの採用情報はこちら
https://recruit.shiftinc.jp/career/