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

著
著
著
著

形式：
書籍
発売日：
ISBN：
9784798154121
定価：
2,948円（本体2,680円＋税10%）
仕様：
A5・288ページ
分類：
人工知能・機械学習
シリーズ：
AI & TECHNOLOGY

本書籍の他の形式を確認する

購入はこちら

  • 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
購入特典をプレゼント

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:2021年10月22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 済
誤
正
2018.04.16
1刷 073
リスト3.15の上の記載		 未 未
誤 > pip install keras
正 > pip install keras==2.2.1
2021.10.22
1刷 095
図4.12		 4刷 済
誤
（画像クリックで拡大）
正
（画像クリックで拡大）
2021.06.29
1刷 102
下から7～4行目		 3刷 済
誤 　例えば、ここではinputsという変数のテンソルを作成しています。 　次に、中間層のDenseの引数にinputsを渡し、middleという変数のテンソルを作成しています。最後に出力層のDenseの引数にmiddleを渡すことで、outputsという変数のテンソルを作成しています。
正 　例えば、ここではinputという変数のテンソルを作成しています。 　次に、中間層のDenseの引数にinputを渡し、middleという変数のテンソルを作成しています。最後に出力層のDenseの引数にmiddleを渡すことで、outputという変数のテンソルを作成しています。
備
考		 次の段落「Functional APIでは、...」に出てくる inputsとoutputsはそのままです。

※リフローEPUBの場合、リスト4.10の下、3つ目の段落が該当箇所になります。
2019.01.16
1刷 112
リスト5.2		 2刷 済
誤 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)
正 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		 3刷 済
誤 ・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padding='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
正 ・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padding='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
備
考		 ※リフローEPUBの場合、図5.11のすぐ下の段落と、図5.12のキャプションが該当箇所になります。
2018.07.17

感想・レビュー

MATSUDA, Shougo さん

2019-08-03

TensorFlowがしっかり学べます。良書。

ogappy さん

2019-01-19

この本いいですね！オアゾの丸善に行ったところ既に開架にはなく、店の奥から引っ張り出してきてもらいました。 それだけ売れているということかなぁ。同社の他の本は全て店頭に並んでいるのに。。とにかく使えます。画像認識、着色、超解像、画像生成などDeep Learningの流行り中の流行りの部分をサクッと流せます。しかし自分の課題も明らかに。もっと線形代数を勉強する必要性を感じました。

おおにし　けいすけ さん

2019-08-19

Kerasを用いた実装の方法と、TensorFlowの基本的な挙動の理解のために本書を購入。 機械学習の知識はあるものの、DeepLearningは初心者である私には、程よいレベルであった。 図が豊富で分かりやすかった点と、応用例の実例がシンプルで理解しやすかった点が良かった。 また、CAE、ならびにその応用例について、あまり知識がなかったため、モデルの一般常識を学べた点も収穫だった。

​