Google ColaboratoryのKerasで学習させたモデルから重みとバイアスを抽出したり、CSVファイルに出力させたり、Excelでニューラルネットワークを再現したり、学習済みモデルの中間層出力結果を表示させて、ExcelのCNN計算結果が合っているか確かめたり、いろいろ実験しました。
ディープラーニングのお勉強～その10。Google Colabでモデルの重みとバイアスをCSV出力する実験～
投稿日：2021/2/25
ディープラーニングのお勉強～その９。Google Colab Kerasのレイヤー設定を独自に解釈してみた～
投稿日：2021/2/18
ディープラーニングのお勉強第９弾。Google ColaboratoryのKerasを使って、独自のCNNを組んでみた。各レイヤーのパラメータ設定はとても勘違いし易いので要注意です。特にPaddingは誤って解釈しがち。レイヤー単独で出力する方法を使って、確認する必要あり。
ディープラーニングのお勉強～その8。Google ColaboratoryでPythonプログラミングして機械学習してみた～
投稿日：2021/2/11
ディープラーニングのお勉強第８弾で、Google Colaboratory を初めて使ってみた雑感を述べてみます。Jupyter NotebookやPythonプログラミング、およびKerasは新鮮で、とっても便利でした。ただ、ちょっとしたデメリットもあったのでそれを自分なりの視点で紹介してみます。
2020年のご支援（サポート）報告です。
投稿日：2020/12/31
2020年のサポート（ご支援）を頂いだご報告をさせていただきます。こんな自分にこれだけのご支援を頂けたのは何とも感慨深いものがあります。みなさま、本当にありがとうございました。ただ、来年は投げ銭システムを一旦休止しようと思います。
ディープラーニングのお勉強～その7。M5StackとM5Cameraで手書き数字リアルタイム画像認識実験～
投稿日：2020/12/29
ディープラーニングのお勉強第７弾で、M5StackとM5Cameraを使って、WiFi TCP で動画ストリーミングしながらリアルタイムで畳み込みニューラルネットワーク(CNN)演算させて、手書き数字画像認識に挑戦してみました。メモリがギリギリですが、何とかAIガジェットっぽいものの第一歩ができました。
ディープラーニングのお勉強～その６。ESP32とM5Cameraでリアルタイム画像認識に挑戦～
投稿日：2020/12/17
ディープラーニングのお勉強第６弾で、ESP32やM5Cameraで畳み込みニューラルネットワークをArduinoプログラミングして、夢のイメージセンサ画像認識に挑戦してみました。シリアルモニターに表示させるだけですが、かなり自己満足できました。
ゼロからディープラーニングを勉強してみる ～その５。SONY Neural Network Console いろいろ試す編～
投稿日：2020/11/18
ゼロからディープラーニングを勉強してみる第５弾で、前回に引き続きSONYのNeural Network Consoleを使います。重みやバイアスパラメータをエクスポートしてExcelに取り込んでみたり、Depthwise ConvolutionとConvolutionの違いを確かめたり、ノード（ニューロン）数を変えたり、カーネルを変えたりといろいろ試してみました。
ゼロからディープラーニングを勉強してみる ～その４。SONY Neural Network Console 導入編～
投稿日：2020/11/14
ゼロからディープラーニングを勉強してみる第4弾で、今回はSONY製のNeural Network Consoleを導入してみました。CPUだけでなく、GPU学習にも切り替えられて、学習がとっても楽になりました。Excelに比べて超高速です。そして直感的にネットワークを構成できる素晴らしさがありました。ビギナーには超お勧めです。
ゼロからディープラーニングを勉強してみる ～Excel編その３。畳み込みニューラルネットワーク～
投稿日：2020/10/10
ゼロからディープラーニングを勉強してみるExcel編第３弾です。今回は畳み込みニューラルネットワーク(CNN)です。手書き数字データセットMNISTをExcelに取り込み、畳み込み層とMaxプーリング層を作って学習させていきます。ニューロンの数や活性化関数、ソフトマックス関数の使い方で大きな違いが出ました。
ゼロからディープラーニングを勉強してみる ～Excel編その２。ニューラルネットワークと学習～
投稿日：2020/9/1
ゼロからディープラーニングを勉強してみるExcel編第２弾です。今回はニューラルネットワークを組んでみて、ニューロンの数や隠れ層の役割を体感してみます。Excelのソルバーというアイテムを使うことによって、教師データを学習させて重みとバイアスの最適解を導き出します。