Kindle 価格: ￥990

(税込)

獲得ポイント:
10ポイント (1%)

ご購入時にプロモーションが適用されます

これらのプロモーションはこの商品に適用されます:

一部のプロモーションは他のセールと組み合わせることができますが、それ以外のプロモーションは組み合わせることはできません。詳細については、これらのプロモーションに関連する規約をご覧ください。

今すぐお読みいただけます: 無料アプリ
を購読しました。 続刊の配信が可能になってから24時間以内に予約注文します。最新刊がリリースされると、予約注文期間中に利用可能な最低価格がデフォルトで設定している支払い方法に請求されます。
「メンバーシップおよび購読」で、支払い方法や端末の更新、続刊のスキップやキャンセルができます。
Kindleアプリのロゴ画像

無料のKindleアプリをダウンロードして、スマートフォン、タブレット、またはコンピューターで今すぐKindle本を読むことができます。Kindleデバイスは必要ありません。

ウェブ版Kindleなら、お使いのブラウザですぐにお読みいただけます。

携帯電話のカメラを使用する - 以下のコードをスキャンし、Kindleアプリをダウンロードしてください。

KindleアプリをダウンロードするためのQRコード

著者をフォロー

有山圭二
フォロー
何か問題が発生しました。後で再度リクエストしてください。

TensorFlowはじめました　実践！最新Googleマシンラーニング (NextPublishing) Kindle版

有山 圭二 (著) 形式: Kindle版
3.4 5つ星のうち3.4 43個の評価
すべての形式と版を表示
【TensorFlow 1.1.0に対応した最新改訂版！】

本書はGoogleが公開している機械学習ライブラリ「TensorFlow(テンソルフロー)」を初めて使う読者のためのチュートリアルガイドです。画像の多クラス分類問題「CIFAR-10」テーマに、機械学習に初めて触れるエンジニアのためのTensorFlowの基礎、実際に画像を使った機械学習に取り組むための初歩的な知識を掲載しています。

【目次】
TensorFlowの基礎
　TensorFlowとは
　データフローグラフ
　変数とプレースホルダー
　Tensor（テンソル）
　TensorBoardによるグラフの可視化
CIFAR-10の学習と評価
　データの読み込み
　推論（inference）
　学習（learn）
　評価（evaluate）
データ保存とフィルターの可視化
　学習データの保存
　フィルターの可視化
CIFAR-10奮闘記
　正規化層を追加する
　訓練データを加工する
　ドロップアウトを設定する
　VGGNetのモデルを使う
　最適化アルゴリズムを変更する　
　バッチサイズを増やす
Previous page
  1. 1 (全 3 冊) 番目の本
    TensorFlowはじめました
  2. 本の長さ
    78ページ
  3. 言語
    日本語
  4. 付箋メモ
    Kindle Scribeで
  5. 出版社
    インプレスR&D
  6. 発売日
    2016/7/29
  7. ファイルサイズ
    4048 KB
  8. Page Flip
    有効
  9. Word Wise
    有効にされていません
  10. タイプセッティングの改善
    有効
  11. すべての詳細を表示
Next page
Amazon スマイルSALE ゴールデンウィーク 開催中
期間限定！人気商品がお買い得。ポイントアップキャンペーン実施中
Amazon スマイルSALE ゴールデンウィーク を今すぐチェック

まとめ買い

シリーズの詳細を見る
このまとめ買いには1-3冊のうち3冊が含まれます。 含まれる商品を見る
まとめ買い
このシリーズは全3冊です。
まとめ買い価格: Kindle 価格
￥ 2,970 (税込)
獲得ポイント:
30pt (1%)
上のボタンを押すと注文が確定し、Kindleストア利用規約に同意したものとみなされます。支払方法及び返品等についてはこちら。

このまとめ買いには1-3冊のうち3冊が含まれます。

エラーが発生しました。
もう一度やり直してください。
まとめ買い価格: Kindle 価格
￥ 2,970 (税込)
獲得ポイント:
30pt (1%)
上のボタンを押すと注文が確定し、Kindleストア利用規約に同意したものとみなされます。支払方法及び返品等についてはこちら。
販売: Amazon Services International LLC

商品の説明

著者について

有限会社シーリス代表。Androidアプリケーションの受託開発や、Androidに関するコンサルティング業務の傍ら、技術系月刊誌への記事執筆。最近は趣味で機械学習(ディープラーニング)を取り組んでいる。著書として「Android Studioではじめる 簡単Androidアプリ開発(技術評論社刊)」「TensorFlowはじめました(インプレスR&D刊)」など。

登録情報

  • ASIN ‏ : ‎ B01IT509EY
  • 出版社 ‏ : ‎ インプレスR&D (2016/7/29)
  • 発売日 ‏ : ‎ 2016/7/29
  • 言語 ‏ : ‎ 日本語
  • ファイルサイズ ‏ : ‎ 4048 KB
  • Text-to-Speech（テキスト読み上げ機能） ‏ : ‎ 有効
  • X-Ray ‏ : ‎ 有効
  • Word Wise ‏ : ‎ 有効にされていません
  • 付箋メモ ‏ : ‎ Kindle Scribeで
  • 本の長さ ‏ : ‎ 78ページ
  • カスタマーレビュー:
    3.4 5つ星のうち3.4 43個の評価

著者について

著者をフォローして、新作のアップデートや改善されたおすすめを入手してください。
有山圭二

有山圭二

Brief content visible, double tap to read full content.
Full content visible, double tap to read brief content.

大阪市のソフトウェア開発会社"有限会社シーリス"の代表。

Androidアプリケーションの受託開発や、Androidに関するコンサルティング業務の傍ら、技術系月刊誌への記事執筆。また、AOSP(Android Open Source Project)へコントリビュートをしています。

カスタマーレビュー

星5つ中3.4つ
5つのうち3.4つ
43グローバルレーティング

この商品をレビュー

他のお客様にも意見を伝えましょう
カスタマーレビューを書く

上位レビュー、対象国： 日本

Amazon Customer
5つ星のうち3.0 tensorflow1.1.0に未対応?
2017年6月21日に日本でレビュー済み
Amazonで購入
Tensorflow1.1.0に対応とありましたが残念ながら最初からつまずきました。
tf.mul()など古い記述がみられます。
tensorboard関連も名前空間が異なってます。
コマンドでソースコードからトランスコード出来るようですが
キーボードから入力したい場合辛いです。
内容は背景わかり実装方法を知りたいのであれば丁度良いと思います。
なので星2つ減点
1人のお客様がこれが役に立ったと考えています
役に立った
 レポート
ちびねこ太郎
5つ星のうち5.0 夏休みの高校２・３年生と大学１・２年生の自主ゼミの教材として使わせていただきました
2016年8月20日に日本でレビュー済み
Amazonで購入
ROS で制御する、Raspberry Pi 3 + RasPi Camera V2 + DiddyBorg + ６軸アーム
のロボットに入れる人工知能を勉強してみたい、
という、高校２・３年生と大学１・２年生の要望があったので、
夏休みの自主ゼミのテキストとして使わせていただきました。

Ubuntu のインストールからはじめて、
NVIDIA の最新ドライバ、CUDA、cuDNN、TensorFlow のインストールと、各種設定、
そして本書の内容の計算実験を含めて、９０分枠を３回分で読了することができました。

深層学習の仕組みと、誤差逆伝搬法の導出などにつきましては、
別途、私のほうで、微分などの数学が大嫌いな高校生でも、
微分や行列、偏微分、指数関数などが短時間で理解できるように解説した資料を用意して、
適宜、本書の合間に挟んでゼミを進めていったところ、
全員が最後まで、とっても興奮しながら学習を進めてくれました。

お蔭さまで、学生さん達といっしょに、とても楽しい夏休みの時間を過ごすことができました。

２０１６年８月２０日の時点では、本書のサンプルコードをダウンロードした状態では、
正常に実行できないソースがいくつかありましたが、
ちょっとした変更だけで動作するようにでき、すべてのソースコードが動かせました。

何かの参考になるかもしれませんので、以下に、実行環境とソースコードの修正点をメモいたしました。
Python では、インデントがおかしいと、すぐにエラーが出てしまいます。
以下のコードでは、スペースがちゃんと反映されずに表示されている箇所があります。
特に複数行にまたがるコードの場合は、適宜、インデントを調整してください。

■　PC環境：　
　　GPU:
　　　　NVIDIA GeForce GT 730 (CUDA Core: 384, 1024MB DDR3 SDRAM)
　　　　Amazon より、ELSA NVIDIA GeForce GD730 1GB GD730-1GERL
　　　　7,709円を、自主ゼミに参加した人数分を購入
　　OS:
　　　　Ubuntu 14.04 64bit 日本語 Remix
　　NVIDIA Driver:
　　　　367.35
　　CUDA:
　　　　7.5
　　　　ファイル名： cuda_7.5.18_linux.run
　　cuDNN:
　　　　v4
　　　　ファイル名： cudnn-7.0-linux-x64-v4.0-prod.tgz
　　TensorFlow:
　　　　Python 2.7 (64bit) 用
　　　　　　tensorflow-0.10.0rc0-cp27-none-linux_x86_64.whl
　　　　Python 3.4 (64bit) 用
　　　　　　tensorflow-0.10.0rc0-cp34-cp34m-linux_x86_64.whl

以下はダウンロードしたソースコードの修正箇所です。

■ train_with_eval.py (リスト 2.16)
　　● 15 行目を以下のように修正
　　前：from tensorflow.python.client import graph_util
　　後：from tensorflow.python.framework import graph_util

■ train_normalized.py (4.1 節)
　　● 12 行目を以下のように修正
　　前：import model
　　後：import model_normalized as model

　　● 16 行目を以下のように修正
　　前：from tensorflow.python.client import graph_util
　　後：from tensorflow.python.framework import graph_util

　　● 62 行目を以下のように修正
　　前：logits = model.inference_normalized(image_node)
　　後：logits = model.inference(image_node)

■ train_distorted.py (リスト 4.2)
　　● 12 行目を以下のように修正
　　前：import model
　　後：import model_normalized as model

　　● 16 行目を以下のように修正
　　前：from tensorflow.python.client import graph_util
　　後：from tensorflow.python.framework import graph_util

　　● 68 行目を以下のように修正
　　前：logits = model.inference_normalized(image_node)
　　後：logits = model.inference(image_node)

■ train_vgg.py (4.4 節)
　　● 17 行目を以下のように修正
　　前：from tensorflow.python.client import graph_util
　　後：from tensorflow.python.framework import graph_util

■ train_distorted_whitening.py (リスト 4.5)
　　● 13 行目を以下のように修正
　　前：import model
　　後：import model_normalized as model

　　● 16 行目を以下のように修正
　　前：from tensorflow.python.client import graph_util
　　後：from tensorflow.python.framework import graph_util

　　● 92 行目を以下のように修正
　　前：logits = model.inference_normalized(image_node)
　　後：logits = model.inference(image_node)

■ train_dropout.py (リスト 4.7)
　　● 12 行目を以下のように修正
　　前：import model
　　後：import model_normalized_dropout as model

　　● 16 行目を以下のように修正
　　前：from tensorflow.python.client import graph_util
　　後：from tensorflow.python.framework import graph_util

　　● 72 行目を以下のように修正
　　前：logits = model.inference_with_dropout(image_node, keepprob_placeholder)
　　後：logits = model.inference(image_node, keepprob_placeholder)

■ train_vgg_adam.py (リスト 4.10)
　　● 17 行目を以下のように修正
　　前：from tensorflow.python.client import graph_util
　　後：from tensorflow.python.framework import graph_util

■ train_vgg_adam_minibatch.py (リスト 4.11)
　　● 17 行目を以下のように修正
　　前：from tensorflow.python.client import graph_util
　　後：from tensorflow.python.framework import graph_util

　　● 73 行目以降を以下のように修正
　　train_op = _train(total_loss, global_step)
　　------- ここから -------
　　top_k_op = tf.nn.in_top_k(logits, label_placeholder, 1)
　　------- ここまでを追加 -------
　　saver = tf.train.Saver(tf.all_variables())

　　● 114 行目を以下のように修正
　　------- ここから -------
　　if index % 1000 == 0:
　　 print('loss_value : %.3f' % loss_value)
　　------- ここまでを追加と修正 -------

　　● 119 行目以降を以下のように修正
　　total_duration += duration
　　------- ここから -------
　　prediction = _eval(sess, top_k_op,
　　 train_placeholder, label_placeholder)
　　print('epoch %d duration = %d sec, prediction = %.3f'
　　 % (epoch, duration, prediction))
　　------- ここまでを追加 -------
　　saver.save(sess, FLAGS.checkpoint_dir, global_step=epoch)

　　● 142 行目以降を以下のように修正
　　true_count = 0
　　------- ここから -------
　　batch_byte_array = []
　　batch_label = []
　　
　　for index in range(10000):
　　 image = image_reader.read(index)
　　
　　 batch_byte_array.append(image.byte_array)
　　 batch_label.append(image.label[0])
　　
　　 if len(batch_byte_array) < FLAGS.batch_size:
　　 continue
　　
　　 predictions = sess.run([top_k_op],
　　 feed_dict={
　　 input_image: batch_byte_array,
　　 label_placeholder: batch_label
　　 })
　　 true_count += np.sum(predictions)
　　
　　 batch_byte_array.clear()
　　 batch_label.clear()
　　------- ここまでを追加と修正 -------
　　
　　image_reader.close()
182人のお客様がこれが役に立ったと考えています
役に立った
 レポート
Amazonのお客様1
5つ星のうち4.0 読者にそれなりの基礎知識を必要とする本
2016年9月2日に日本でレビュー済み
Amazonで購入
表題の通りある程度基礎知識を必要とします。
だから知識のある人は評価が高く、ない人は星が低いのだとおもいます。
最初わたしも機械学習やその系統のライブラリ知識無しでこの本を開いたらp2で
閉じざるを得ませんでした。
TensorFlowサイトの"Get Started"
→ "intro_mnist" でSoftmax関数によるMNIST
　　(途中リンク→Download and Setup でTensorFlowインストール)　
→ "expart_mnist"　MNISTに畳込みとプーリングを追加
まで勉強して初めてこの本を始められるようになりました。

ソフトウェアの概要やインストール手順などは書かれていませんので
注意してください。
またPython初心者で書籍版の場合、p31の空白数に注意してください。
forループエンドを空白数で判別しているので、本をコードに移す時多分失敗すると思います。
23人のお客様がこれが役に立ったと考えています
役に立った
 レポート
taco
5つ星のうち1.0 最低の本というか、本としての体裁をなしていない
2017年10月30日に日本でレビュー済み
Amazonで購入
単なる本人のメモ書きです。こんなものを本にしてしまう出版社も最低です。
なぜ高評価がついているのかさっぱりわかりません。著者のお友達でしょうか。
誰をターゲットにしているのか、何を説明したいのかが不明確です。
表紙のイラストは、やさしい入門に見せかける目的ですか。
もはや詐欺的で、本の中にはイラストもそのような雰囲気もなく、本当に腹が立ちます。
4人のお客様がこれが役に立ったと考えています
役に立った
 レポート
Amazon Customer
5つ星のうち2.0 対象者が不明
2017年7月9日に日本でレビュー済み
Amazonで購入
Chainerやkerasの使い方や機械学習の知識は多少なりとも持っていたので，TensorFlowの使い方をサクッと覚えたいなと思い買いました．
最初に申し訳程度にTensorFlowの説明（足し算，掛け算等）をしたらいきなりCIFAR-10でcnnなどを使って行くのには驚きました．またコードの説明も不完全で，tensorflowの関数を特に説明なくいきなり使うので結局本家などでググる必要があります．

分量的に機械学習の基礎を説明する必要はないと思いますが，TensorFlowの初心者向けのようなタイトルが付いているのであれば，せめてTensorFlowの説明はしっかりとすべきでは？
13人のお客様がこれが役に立ったと考えています
役に立った
 レポート
waka
5つ星のうち3.0 有山さんの開発録
2017年7月26日に日本でレビュー済み
Amazonで購入
著者が試行錯誤しながらTensorFlowを使った開発録のような流れです。
理論的なこともありますが、実際に使うときに悩むことや正解率を上げていく過程が開発者として参考になりました。

TensorFlowを網羅的に知りたい方にはおすすめしませんが、開発をしようとされている方は読んでみても良いのではないでしょうか。
1人のお客様がこれが役に立ったと考えています
役に立った
 レポート
D.R.
5つ星のうち5.0 実際に手を動かした実録は参考になる
2016年7月28日に日本でレビュー済み
Amazonで購入
実務家としての筆者の誠実さが現れている筆致である。
教科書を読んでも難解な概念が頻出し理解を妨げるが，鳴り物入りで登場した TensorFlow は手軽に試せるだから，誰しも興味があるだろう。そして実際に始めてみると，なぜそうなのかが分からないことが多い。筆者はその分からなさをエンジニアとしてのセンスとテンポの良い文章で解説して見せてくれる。誰しもが躓くいたり，疑問に思う点を丁寧に取り上げ実際に動作した結果を示してくれている。
多くの人にとって本書のように，コードを示し，動作結果も含めて示してくれる文献は貴重である。
理論的な側面に興味がなくても，たとえば，眼鏡っ子を認識するシステムを作りたい，というモチベーションであれば本書は100％の入門書である。
17人のお客様がこれが役に立ったと考えています
役に立った
 レポート
8686
5つ星のうち4.0 読みやすかった
2016年10月8日に日本でレビュー済み
ボリュームもそれほどではなく、読み返して取り組み直すというような使い方にも良さそう。
この分野の都合上仕方がないと思うが、読みながら自分で手を動かさないと理解できない点は多いと思う。

なお、本書はバージョン0.8, 0.9のTensorFlowを対象にしているのでご注意を。
2人のお客様がこれが役に立ったと考えています
役に立った
 レポート
問題を報告

この商品には、不適切な内容が含まれていますか?
報告
この商品は、著作権を侵害していると思いますか?
報告
この商品には、品質または書式設定の問題が含まれていますか?
報告