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。