深層学習入門ハンズオンセミナー - gbs.or.jpgbs.or.jp/wp-content/uploads/2018/09/d3fcb79e125336e601bd12f197dc3baf1.pdf · グローバル経営学会2018 シンポジウム2018/10/5-6

グローバル経営学会 2018 シンポジウム 2018/10/5-6

1 田村 進一

深層学習入門ハンズオンセミナー

Neural Network Console を用いた

数式なし，コーディングなしのディープラーニング

NBL 研究所 田村進一

本セミナーは入門者を対象に，深層学習のサンプルを自ら経験することを目的とします．基

本的には各自のパソコンに Neural Network Console を予めダウンロードしていただき，

セミナー時にそれを起動して実行・経験します．ファイルは 1GB 弱ありますので時間がか

かります．準備ができなかったかたは，見学だけでも結構です．

・Neural Network Console 概要紹介動画 (2分半) https://youtu.be/1AsLmVniy0k

セミナーのための事前ダウンロード，および深層学習実行手順は下記に表示画面付きで示

していますので，あまり支障なく実行できると思います（標準的には準備１時間強）．

１．準備ダウンロード

1.1 Neural Network Console ダウンロード入口 https://dl.sony.com/ja/

グローバル経営学会 2018 シンポジウム 2018/10/5-6

2 田村 進一

1.2 ダウンロード開始

同意してメールアドレスを登録すると，下記のようなメールが送られてきます．

ダウンロードボタンをクリックします．緑字楕円はクリックすべき箇所です（以下，同じ）．

これにより，圧縮ファイルが送られてきます．これをクリックして置きたい場所（例えば

Documentフォルダ）に解凍・展開します．圧縮ファイルは 1GB 弱ありますので，標準で

ここまでで計 1 時間ほど時間がかかります． これにより 下記のような

neural_network_console_120 フォルダが作られます．

グローバル経営学会 2018 シンポジウム 2018/10/5-6

3 田村 進一

1.3 本体起動

neural_network_console.exe をクリックすると，本体が起動します．

Microsoft Visual C++2015 再配布可能パッケージをインストールしているか，GPUを使う

場合は，NVIDIA のグラフィックドライバをインストールしているかの，２つの確認メッ

セージが表示されます．多くのパソコンには入っていますので，OKをクリックします．確

認法は付録参照．

グローバル経営学会 2018 シンポジウム 2018/10/5-6

4 田村 進一

1.4 Project画面

ライセンス確認が表示されますので，I Agree と Applyをクリックします．

これにより，下記の Project画面が表示されます．

1.5 処理ネットワーク構成図

次に，Project 画面上で深層学習の代表例 Convolutional neural network の project であ

る 02_binary_cnn_sdcproj をクリックすると，ネットワークブロック図が表示されます．

Convolution層は展開してあります．

グローバル経営学会 2018 シンポジウム 2018/10/5-6

5 田村 進一

1.6 手書き数字データセットMNISTのダウンロード

この段階で，手書き数字データのダウンロードの可否を聞いてくるので，はいをクリックし

ます．

これで自動的に手書き数字データセットMNISTのダウンロードが開始されます．

標準的にはおよそ 10 分です．ここまでがセミナーで深層学習 CNN を実行するための必要

な準備作業です．

２．実行

2.1 データ等確認

必要なら各層をクリックし，表示されたパラメータを修正しますが，セミナーでは整合した

パラメータが予め入っていますので，調整の必要はありません．

次に，学習用画像データを確認します．課題は手額数字 ”9” と，それ以外（セミナー課題

では”4”だけですが）を識別することです．

グローバル経営学会 2018 シンポジウム 2018/10/5-6

6 田村 進一

同様に，検証用未学習（非学習）画像データを確認しましょう．

2.2 課題実行

いよいよ学習実行です．Training をクリックすると，学習の進捗状態（学習データと未学

習データに対する誤差）がグラフ表示されます．

学習には 10 分程度かかります．本プロジェクト（02_binary_cnn_sdcproj）では高速化

のため，数値計算は速度重視で２値化して計算しています．高速化を図りたい方は，NVIDIA

の GPIを実装するか，Cloudを選択・使用するなどしてください．

グローバル経営学会 2018 シンポジウム 2018/10/5-6

7 田村 進一

学習完了時の性能は，未学習データに対する混同行列(Confusion matrix)で確認できます．

３． セミナー課題の拡張

3.1 学習データ setの繰り返し学習回数等の変更

事前の設定数（Epoch）は 100回になっていますが，変更できます．

増やして，未学習データに対する誤差が上昇するときは，過学習の可能性があります．

Batch Size は高速化のため，学習処理などを何データ分（size）かまとめて行うものです

が，平滑化効果が少し出ます．データ数以上を指定することはできません．

グローバル経営学会 2018 シンポジウム 2018/10/5-6

8 田村 進一

3.2 サンプルデータ以外のデータを処理する場合

学習用データと検証用データのセットを自分で指定して作成する必要があります．

指定に従って自動的に作成された画像データセット例は下記

クラス分けされたデータが入っているフォルダ

作成されるデータセットフォルダ

各データのサイズ

データのふるい分け学習用データ

検証用データ

グローバル経営学会 2018 シンポジウム 2018/10/5-6

9 田村 進一

3.3 回路網構成を変更する場合

プロジェクトを選択すれば既成回路を利用可能．

例 Long_short_term_memory(LSTM).sdcproj を選択すると

3.4 自由に層を組み合わせたいとき

新規プロジェクトを作成

グローバル経営学会 2018 シンポジウム 2018/10/5-6

10 田村 進一

Edit画面の図的操作ででブロックを移動・コピー・設定・接続などして行う．

3.5 自由課題

（１）どのような文字で間違ったか？ もっと学習すれば間違いは０となるか？

（２）ネットワークのパラメータ数増減

（３）層の増減

（４）手書き文字認識の２分類を 10分類へ拡張

（５）T2を抜く． 結線必要

グローバル経営学会 2018 シンポジウム 2018/10/5-6

11 田村 進一

（６）M２を抜く． 加えて Cのサイズを４枚の８×８に変更 結果に大きな影響なし．

位置が比較的中心に書かれている（位置の正規化）からか？

（７）C2を抜く． あまり変わらないが（そもそも識別困難な字体の問題；画像で確認）．

グローバル経営学会 2018 シンポジウム 2018/10/5-6

12 田村 進一

（８）Concatenateの試み

文字認識では必要性ないが，文章理解用等の recurrentやフィードバックループでは必

要．

グローバル経営学会 2018 シンポジウム 2018/10/5-6

13 田村 進一

４．参考書

［１］足立悠，「ソニー開発のNeural Network Console 入門

－－数式なし、コーディングなしのディープラーニング」 リックテレコム，2018．

［２］ダウンロードフォルダ中のmanual_ja.pdf

［３］ ダウンロード開始welcomeページ （2.1節 最初の図）に “Doc” および“Community”

へのリンクがあります．

付録

Microsoft Visual C++2015再配布可能パッケージがインストールされているかの確認（例）

Windowsの「設定」--> 「アプリ」--> 「アプリと機能」を開く．

Microsoft Visual C++2015 Redistributable (x64) などがあるか確認

なければ下記からダウンロード

https://www.microsoft.com/ja-jp/download/details.aspx?id=52685