ゼロから作るDeep Learning ―Pythonで学ぶディープラーニングの理論と実装 の感想

※サンプル画像 クリックで拡大します

本書はタイトルの通り、フレームワークを使わずにPythonを使ってディープラーニングを作りながら学ぶと言う形を取っています。
前書きにある様に、コードのブラックボックス化を避けるために出来るだけ既存の外部ライブラリを使わないと言う方針ですが、グラフ描画のMatplotlibは仕方が無いとしても、ディープラーニングで多用される行列演算にはNumPyが思いっきり使われています。
さらには、NumPyが持つ特徴を活用したテクニックなども使われています。
この辺はNumPyに依存してしまうので、ブラックボックス化を防ぐ為に出来るだけ既存の外部ライブラリを使わない、そしてゼロから作ると言うコンセプトからやや外れている気がします。
出来れば行列の演算もPytho標準の機能とライブラリだけを使って自前で用意し、その上で、NumPy版を「NumPyの機能を活用するとこういう風にシンプルに作れる」と言う比較用として別サンプルで用意した方が良かったと思います。

とは言え、１章で簡単にですがPytonの文法やNumPyによる行列の計算方法、Matplotlibの使い方について、実際に動かしながら確認できるように配慮されています。
その後の章でも必要に応じて行列の計算についての解説とサンプルもありますので、他言語でディープラーニングを構築したいと考えて居る方でもある程度は何とかなると思われます。
（もっとも、インストール時点で最新のLinux版 AnacondaのMatplotlibで確認したところ、動きが変でしたが）

学習の流れですが、まずは基本となるパーセプトロンによる論理回路の原理と実装。そして限界（XOR問題）と解法（多層パーセプトロン）を試しながら学びます。
そして、多層パーセプトロンと（中間層を持つ）ニューラルネットワークの違いについて順を追って学んでいく事になります。
ニューラルネットワークについては、手書き文字認識を例題に、学習に重要な概念である順方向伝搬、損失関数、高速化のためのミニバッチ処理と説明は進んでいきます。