MNISTデータセットを使用したPyTorchによる基本的なニューラルネットワークの実装
開発環境
Python 3.11.10
PyTorch 2.3.0
この記事では、PyTorchフレームワークを用いて、シンプルな全結合ニューラルネットワークを構築・学習・評価するプロセスを解説します。MNIST手書き数字認識という古典的なタスクを通じて、深層学習の基礎概念を実践的に理解することを目指します。
PyTorchの概要
PyTorchは、コンピュータビジョンや自然言語処理などの分野で広く ...
7月3日 17:56 投稿
PyTorchにおける自動微分機能：計算グラフと勾配更新の実装詳細
オートグラッド（Autograd）の概要
PyTorch の学習プロセスを支える中核機能として、テンソル操作を追跡し勾配を自動的に計算する「Autograd」エンジンが存在します。この機構により、複雑なニューラルネットワークにおける微分計算を手動で行うことなく効率的に最適化が可能となります。
計算グラフの構築と追跡設定
テンソルの作成時に requires_grad=True を指定するこ ...
7月3日 17:39 投稿
OpenCV 入門：Python を活用したコンピュータビジョン開発の基礎ガイド
コンピュータビジョンと OpenCV の概要
現代の技術環境において、コンピュータビジョンは不可欠な要素となっています。スマートフォンの生体認証から自動運転システムの周囲認識、さらには監視カメラの智能分析に至るまで、その応用範囲は多岐にわたります。こうした視覚情報を処理するための標準的なツールとして、OpenCV（Open Source Computer Vision Library）が広く採 ...
6月30日 00:06 投稿
PyTorch による全接続ニューラルネットワークの実装と学習フロー
全接続ニューラルネットワークの概要
全接続ニューラルネットワーク（Fully Connected Neural Network: FCNN）は、多層パーセプトロン（MLP）と呼ばれる基本的な構造を持っています。このアーキテクチャでは、ある層に属するすべてのニューロンが、次の層のすべてのニューロンと結合関係を持ち、重み付きの演算が行われます。標準的な構成としては、入力層、少なくとも一つ ...
6月18日 20:25 投稿
YOLOシリーズにおけるdata.yamlの設計と活用：v5からv11までの共通設定ガイド
YOLOモデルにおける構成ファイルの重要性
YOLO（You Only Look Once）ファミリーは、リアルタイム物体検出において高い評価を受けているディープラーニングアーキテクチャ群です。特にYOLOv5以降のバージョンでは、学習パイプラインの簡素化が進み、data.yamlのような構成ファイルを通じてデータセットの情報を効率的に伝達できるようになっています。このファイルはモデル ...
6月5日 17:16 投稿
PyTorch で構築する ResNet50 実装のステップバイステップ解説
Residual Network (ResNet) の基礎構造
ResNet（Residual Network）は、非常に深いニューラルネットにおいて勾配消失問題を解決するために考案されたアーキテクチャです。この手法の核となるのは「スキップ接続（Skip Connection）」または「残差パス」と呼ばれる仕組みで、入力を直接出力層へ結合することで、F(x) + x という形での学習を実現します。これにより、層が深 ...
6月4日 16:32 投稿
Darknetフレームワークの基本と使用方法
Darknetフレームワークの概要
DarknetはC言語とCUDAで実装されたオープンソースの深層学習フレームワークです。その主な特徴は、依存関係がほとんどなく（OpenCVすら不要）、インストールが容易で、CPUとGPUの両方をサポートしている点です。また、高い移植性を持ちます。
Darknetを選ぶ理由
TensorFlowほど高機能ではありませんが、このシンプルさがDarknetの利点とな ...
5月31日 21:06 投稿
waifu2x-caffeを活用した大規模画像処理の最適化手法
waifu2x-caffeを活用した大規模画像処理の最適化手法
waifu2x-caffeは、Caffeフレームワークに基づく画像拡大・ノイズ除去ツールであり、ディープラーニング技術を利用して画像品質の向上を実現します。大規模な画像データセットを効率的に処理する際の課題に対応するため、このツールは複数の最適化機能を備えています。
プロジェクト概要
waifu2x-caffeはJPEG、PNGな ...
5月25日 21:49 投稿