俺、骨折。Let's Note無事。

転んだ。
俺、骨折。Let's Note無事。
俺が弱いのか、Let'S　Noteが強いのか？

Session.Run () するTensorFlowは、どうも古いらしい

Keras風に書くのが、イマドキの書き方？

【初心者〜中級者向け】Tutorial実装で確認するTensorFlow入門
https://liberal-arts-beginners.connpass.com/event/134776/

を聞いてきたので、メモメモ

---

End-to-Endの機械学習　入力と出力を意識していればよい。

TensorFlowtyu-toriaru
https://www.tensorflow.org/tutorials
チュートリアルだけでもいろいろ

MNIST
tf.keras.Sequential
基本的なモデル設計法（層の構成：隠れそう、出力）
→層を積み重ねていく
　Flatten 一次元にする
　Dense 層を追加(512,activation=tf.nn.relu)
　Dropout おとす
　Dense 層を追加(10,activation=tf.nn.relu)→0～９で１０こ

model.compile
　具体的な学習法
　adam
　 引数　オプティマイザ―：勾配降下法の設定
　　　モーメンタム
　　　RMSprop
　　　adam（上２つのいいとこどり）
　評価方法の指定ができる(sklearnにはない）
　クロスエントロピー：分類関数に使う誤差関数（損失関数）
　　回帰：２乗誤差関数
　　分類：クロスエントロピー
　　メトリクス：アキュラしー

model.fit:学習

model.evaluate 評価

■画像分類
TensorFlowhub
ILSVRC：ResNet

モデルの軽量化
・Neural ODE（常微分方程式）ResNetと同じくらいの精度パラメータが少ない
・Mobile Net畳み込みを分解、空間とチャンネル

・TensorFlow Hub:学習が済んだものを推論できる

■転移学習
・人間のアナロジー
・重みの初期値：乱数で決める
　　NN,DLは重みの初期値を定める：初期値の決め方をうまく決めると精度が上がる
　　事前学習（なぜうまくいくかは不明）
　入力２こ隠れそう３つ出力１個
　　NN,DLを
　入力と出力　　
入力と出力のサイズをおなじくする
　これを訓練するとき、入力データを実測値にする
　　→（X,X）にする
　入力で入力を回帰することを、オートエンコーダーという（自己符号化器）

訓練が終わったら、
　１層目重みを取り出す
　はじめのものの、一層目の初期値にする

GAN（じぇねれーてぃぶ　あどばたいず　ねっとわーく）
　GANのタスク：画像生成
　登場人物
　　ジェネレーター：生成
　　ディスクりみねーたー：判別
（１）ジェネレーターが画像を作
（２）作られた画像と人間がとった画像をディス栗見ネーターに渡す
（３）ディス栗見ネーターは画像が作りもの化本物か判断
（４）結果を踏まえて、ジェネレーター更新

Conditional GAN(Pix to Pixをやるために）
・one hot vector
　所属クラスの表現：５クラス　データX1はクラス２→属しているクラスだけ１にする

pix2pix
https://github.com/tensorflow/tensorflow/blob/r1.13/tensorflow/contrib/eager/python/examples/pix2pix/pix2pix_eager.ipynb