今日はオーラいりー

こんばんは。

pytorchはこれからもまだ学ぶんですが、
今日でUDEMYのコースが終わったんで、前回記事でいったん終了しました。

いまさらながら、
ディープラーニングの登竜門といわれている文献を読もうと思いました。
僕自身は初めて拝読させていただくのですが、
なんせ、あまりにもおすすめとのことなので、実際に
どんなものかをアウトプットも込みで
書いていきます。

↓文献(ゼロから始めるDeep learning)

第一章は基本的に文法の話であったので、すっ飛ばして2章から入りました。
一旦2章が終わったので、アウトプット。

この賞からディープラーニングの考え方の基本中の基本のパーセプトロンの話になります。

まずは単層のパーセプトロン。
そもそも、パーセプトロンとは、1950年ごろから生まれたアルゴリズムで、
今日のディープラーニングの生みの親の考え方。
この、〇がノードとか言ったりするのだが、
このノード(x1とかx2)にそれぞれw(抵抗)を加えて、コントロールする。
わかりやすく言うと、電流のようなもの。

それぞれの矢印に向かって電流が流れていくのだが、wの効果で、その電流が流れる量をコントロールしてくれる。
それほどに、重み、とは大事なものになってくる。

パーセプトロンの話の中には、
重み、バイアスという言葉が出てくる。
よく、重みと同意で表現することもあるのだが、
バイアスとはつまりは発火のしやすさを表している。
例えば、アイフォンの残電池で考えてみよう。
朝、フル充電だと、100％であるが、使っていると、途中で省電力モードにしますか？の案内が来る。(20％のところ)
この20％がバイアスである。
つまり、どのレベルまで行ったら値を返すのか、を表現しているのが、バイアス、という概念になる。

さて、この単層のパーセプトロン、シンプルであり、非常にわかりやすい。
直線の領域の区分(0 か１か)は得意であるのだが、わかりやすく言うと、複雑な計算ができない(非線形領域はできない)

このままでは、
単純な計算しかできなくなってしまう。
さてどうするか。
実はここで生まれたのが、多層のパーセプトロン、という考え方だ。
いやいや、いくらか重ねたらいいんじゃね？って話。

そうすることで、
より複雑な計算もできるようになった。

ここまでが第2章
(少しコードも出てきましたが、今回は割愛してます)