機械学習（ディープラーニング）のためのフレームワーク

機械学習（ディープラーニング）のためのフレームワーク

ディープラーニングや機械学習の本質というか、背景にある理論を理解するのは難しい。
理解してからプログラムを組むとなると、いつまで経っても実装できない。
とにかく使ってみることが大事！
次回以降でそれぞれの環境構築まで説明できたらと思う。
今回はフレームワーク/ライブラリの概要説明。

どんなフレームワークがあるのか

• TensorFlow
• Chainer
• Caffe

など。

TensorFlow

Google製の機械学習ライブラリ。pythonが使われている。
Googleは音声認識、翻訳、画像認識などの機能でこのTensorFlowを使用しているらしい。
環境構築はかなり楽。

Chainer

Preferred Networksが開発したニューラルネットワークを実装するためのライブラリ。
PythonとNumPyが必要。NumPyについては簡単な知識でOK。
様々なタイプのニューラルネットを実装できる。
ニューラルネットワークに関する知識が必要になることもあるのがネック。

Caffe

C++で実装されGPUに対応した高速なディープラーニングのライブラリ。
とある画像認識のコンテストで優勝したことで、有名になった。
Pythonの基礎がわかっていれば使える。ディープラーニングなどの知識もあると尚良い。

それぞれ特徴があり、得意分野などもある。
次回以降で環境構築をやっていく。