【ディープラーニング】何かと話題になるディープラーニングをPythonを使ってはじめてみたいと思っても、ディープラーニングに適したコンピュータが手元になかったり、何のライブラリを使ったらいいかわからない、そもそも何からはじめればいいのかわからないなど、色々困ることはあると思います。自分がディープラーニングをはじめたころのことを踏まえながら、どのようにはじめていけば良さそうかについてお話します。

1. Pythonでディープラーニングを
はじめるための一歩目
@LT会 2019/06/28

2. 自己紹介
IoT/AIソリューション事業部所属のAIの担当
学生時代：
高専から大学院まで情報系だったが、
機械学習という名前に興味が持てず
AIに関係する授業をあまり受講しない学生生活
入社後：
入社してからはずっとAI関連の仕事をすることに
（画像、動画、自然言語、波形データの解析、レコメンドなど）
こういうのは
いいかな
学生時代

3. 近年、ディープラーニングが熱い
画像生成 音声認識ゲームのAI
3

4. 自分がディープラーニングをはじめたころの思い（2016年当時）
流行にのってディープラーニングをは
じめたいが…
4
ライブラリが色々あるけど、
どのライブラリを使えばいいの？
NvidiaのGPU付きのコンピュータ
なんてもってない
何を勉強する？
ディープラーニングだけでよい？
今回の話題
ディープラーニングで何をしていく？

5. コンテンツ
5
ライブラリが色々あるけど、
どのライブラリを使えばいいの？
NvidiaのGPU付きのコンピュータ
なんてもってない
何を勉強する？
ディープラーニングだけでよい？
ディープラーニングで何をしていく？

6. ディープラーニングのライブラリは沢山
6
*他にも色々あります

7. どのライブラリが人気か？
7
【Googleでの人気度（相対的な検索数の割合）の推移】
TensorFlow
Keras
PyTorch

8. 個人的な意見
8
 GitHubで論文の内容の実装を探した場合も、
多くはTensorFlow、Keras、PyTorchのイメージ
 これらが書けると他人のコードが利用しやすい
 導入としてはKerasが簡単でオススメ
 KerasよりPyTorchのほうが柔軟にコードが書けるので、
PyTorchもできると良さそう

9. コンテンツ
9
ライブラリが色々あるけど、
どのライブラリを使えばいいの？
NvidiaのGPU付きのコンピュータ
なんてもってない
何を勉強する？
ディープラーニングだけでよい？
ディープラーニングで何をしていく？

10. GPU付きのマシンが必要な理由
ディープラーニングは従来手法に比べて高い精度を達成しうるが、
「学習」というデータの傾向を学ばせる部分の
計算コストが非常に大きい
10
通常はGPUを使用して高速化

11. GPU利用の選択肢
1. GeForceなどのNvidia製のGPU付きのマシンを買う
ある意味使い放題
本当に初期費用の分だけ利用する…？？
2. AWSのGPUインスタンスを利用
従量課金だから、途中で飽きても損はしない
AWSを触ったことがないと不安・よくわからない
UNIXのコマンドを知らないと…？
3. Google Colaboratoryを利用
タダで簡単にGPUが使える！
11

12. Google Colaboratory
12
 Googleアカウントがあれば
誰でも利用可能
 面倒な環境設定不要
 GPUを利用してもタダ
 Google謹製のTPUも利用可能
 ライブラリは追加可能
 時間制限がある
（対策は可能みたいです）
 Jupyter Notebookからの実行のみ
個人での利用や
他人とのコード共有に便利！
Google Colaboratoryの画面

13. AWS
Google ColaboratoryはJupyter Notebook上のコードを
実行させていく形式なので、これだけでなんでもOKとはならない
ディープラーニングに慣れたらAWSを使うことも検討
今はディープラーニング用の
AMIがあるので環境構築の手間はなし
（自分でGPUまわりの環境構築を
するのはそこそこ面倒…）
GPUインスタンスは高いので
落とし忘れに注意！
13

14. コンテンツ
14
ライブラリが色々あるけど、
どのライブラリを使えばいいの？
NvidiaのGPU付きのコンピュータ
なんてもってない
何を勉強する？
ディープラーニングだけでよい？
ディープラーニングで何をしていく？

15. 何を勉強するべきか？
ネットの記事もいいものがたくさんあるが、
情報がまとまっているディープラーニングの基礎の本は
1冊読んだほうが良さそう
15
個人的にはわかりやすくておすすめだけど、
2015年の本なので内容がちょっと古い

16. ディープラーニング以外の勉強
ディープラーニングが流行っていても、
従来の機械学習の手法についてわからないと結構困る
従来手法を使ってみたくなるとき
1. お手軽に試してみたい
2. GPU付きのマシン導入のハードルを省きたい
3. そもそもディープラーニングが向いていない問題設定
4. ディープラーニング + 従来手法の組み合わせ
16
まじめにやるんだったら従来手法の勉強も必要

17. コンテンツ
17
ライブラリが色々あるけど、
どのライブラリを使えばいいの？
NvidiaのGPU付きのコンピュータ
なんてもってない
何を勉強する？
ディープラーニングだけでよい？
ディープラーニングで何をしていく？

18. ディープラーニングで何をはじめる？
特にやりたいことはないけども、ディープラーニングに
興味があるという方には次のようなことを目標にすると良いかも
18
GANによる画像生成
 ネット記事が沢山
 アイディアが
画期的で面白い
king Queen
-man +woman
word2vecによる
単語のベクトル化
 実は”ディープ”ラーニング
ではないが非常によく使われる
 単語で演算ができて楽しい
LSTM
我輩
は
LSTM
は
猫
LSTM
猫
で
LSTMによる文生成
 生成した変な文を
眺めるのも楽しい
…
おすすめ

19. GANでできること
19
 GANでの画像の変換 (https://junyanz.github.io/CycleGAN/)
(https://github.com/tkarras/progressive_growing_of_gans) GANでの高解像画像の生成

20. まとめ
とりあえずディープラーニングをしてみたいなぁと思ったら
20
Kerasを使ってGoogle Colaboratory上でやってみる
＋
書籍で一通りディープラーニングの基礎を学ぶ
+
やってみたいことを決めてトライ