現場で使える!TensorFlow開発入門 Kerasによる深層学習モデル構築手法(太田満久 須藤広大 黒澤匠雅 小田大輔)|翔泳社の本
  1. ホーム >
  2. 書籍 >
  3. 現場で使える!TensorFlow開発入門 Kerasによる深層学習モデル構築手法

現場で使える!TensorFlow開発入門 Kerasによる深層学習モデル構築手法





形式:
書籍
発売日:
ISBN:
9784798154121
価格:
本体2,680円+税
仕様:
A5・288ページ
分類:
人工知能・機械学習

本書籍の他の形式を確認する

  • このエントリーをはてなブックマークに追加

【本書の特徴】
2015年11月にGoogleがオープンソース化したソフトウェアライブラリ「TensorFlow(テンソルフロー)」は、
多くの開発者に支持され、多企業で採用されています。
本書は、TensorFlowの導入から、高レベルAPIであるKerasを利用した実践的な深層学習モデルまで解説した、
エンジニア向けの入門書です。 第1部の基本編では、深層学習とTensorFlow、Kerasの基礎について解説し、
第2部の応用編では画像処理における応用的なモデルのKerasを使った実装方法を解説します。
特に、第2部では、「ノイズ除去」「自動着色」「超解像」「画風変換」「画像生成」を取り上げています。
TensorFlowやKerasの機能面を押さえつつ、現場で使用できるような実践的な深層学習モデルまでフォローしています。

【対象読者】
深層学習に入門したいエンジニア

【目次】
第1部 基本編

第1章 機械学習ライブラリTensorFlowとKeras
第2章 開発環境を構築する
第3章 簡単なサンプルで学ぶTensorFlowの基本
第4章 ニューラルネットワークとKeras
第5章 KerasによるCNNの実装
第6章 学習済みモデルの活用
第7章 よく使うKerasの機能

第2部 応用編

第8章 CAEを使ったノイズ除去
第9章 自動着色
第10章 超解像
第11章 画風変換
第12章 画像生成


購入特典

用語集

本書で登場する主だった用語をアルファベット順に掲載しました。

特典

第1部 基本編

第1章 機械学習ライブラリTensorFlowとKeras
第2章 開発環境を構築する
第3章 簡単なサンプルで学ぶTensorFlowの基本
第4章 ニューラルネットワークとKeras
第5章 KerasによるCNNの実装
第6章 学習済みモデルの活用
第7章 よく使うKerasの機能

第2部 応用編

第8章 CAEを使ったノイズ除去
第9章 自動着色
第10章 超解像
第11章 画風変換
第12章 画像生成

付属データはこちら

会員特典はこちら

書籍への問い合わせ

正誤表、追加情報をご確認の上、こちらよりお問い合わせください

書影の利用許諾について

本書籍に関する利用許諾申請はこちらになります

  • shoeisha_tensorflow.yamlによるライブラリのインストール

    環境によっては、

    Could not import PIL.Image.

    というエラーが出ます。その場合は、

    conda uninstall pillow

    としたうえで、

    pip install pillow==5.0.0

    としてください。
  • shoeisha_tensorflow.yaml

     本書の執筆時点において、 conda で提供されていたパッケージの一部で、該当バージョンが提供されなくなっています。

     shoeisha_tensorflow.yamlにある17行目(- winpty==0.4.3=vc14_2 という行です)を削除した後、

    conda env update -f shoeisha_tensorflow.yaml -n <仮想環境名>

    を実行すれば、現在提供されているバージョンがインストールされます。

ご購入いただいた書籍の種類を選択してください。

書籍の刷数を選択してください。

刷数は奥付(書籍の最終ページ)に記載されています。

現在表示されている正誤表の対象書籍

書籍の種類:

書籍の刷数:

本書に誤りまたは不十分な記述がありました。下記のとおり訂正し、お詫び申し上げます。

対象の書籍は正誤表がありません。

最終更新日:2018年07月17日
発生刷 ページ数 書籍改訂刷 電子書籍訂正 内容 登録日
1刷 049
図2.15の罫線のずれ
2刷
2018.04.16
1刷 112
リスト5.2
2刷
In # データの大きさを確認 print('x_train.shape :', x_train.shape) print('x_test.shape :', x_test.shape) print('y_train.shape :', x_train.shape) print('y_test.shape :', x_test.shape) Out x_train.shape : (50000, 32, 32, 3) x_test.shape : (10000, 32, 32, 3) y_train.shape : (50000, 32, 32, 3) y_test.shape : (10000, 32, 32, 3)
In # データの大きさを確認 print('x_train.shape :', x_train.shape) print('x_test.shape :', x_test.shape) print('y_train.shape :', y_train.shape) print('y_test.shape :', y_test.shape) Out x_train.shape : (50000, 32, 32, 3) x_test.shape : (10000, 32, 32, 3) y_train.shape : (50000, 1) y_test.shape : (10000, 1)
2018.05.22
1刷 115
本文上から2から3行目、図5.12のキャプション
・本文上から2から3行目 このように、ゼロパディングを使って入力と出力のサイズを等しくしたい場合はpaddig='same'と指定します。図5.3~図5.7のようにゼロパディングしない場合にはpadding='valid'を指定します(図5.12)。 ・図5.12のキャプション padding='valid'の場合の畳み込み結果
・本文上から2から3行目 このように、ゼロパディングを使って入力と出力のサイズを等しくしたい場合はpaddig='same'と指定します(図5.12)。図5.3~図5.7のようにゼロパディングしない場合にはpadding='valid'を指定します。 ・図5.12のキャプション padding=‘same'の場合の畳み込み結果
2018.07.17