ディープラーニングにおける推論の概要
- 目的と触れる範囲
- 推論の流れ
![](https://res.cloudinary.com/pando-life/image/upload/f_auto,b_rgb:E9E9E9,c_limit,q_auto:good/article/contents/43qgs2bqf0pfuqko1696817085.png)
![](https://res.cloudinary.com/pando-life/image/upload/f_auto,b_rgb:E9E9E9,c_limit,q_auto:good/article/contents/l9fptoap7izkrh4b1696817100.png)
では、この画像を使用して学習の流れを解説します。今回は学習に使用するデータとして数字が書かれた白黒画像を使用します。その白黒画像に書かれた数字が何であるか学習器で推論させるという問題です。まずピクセルごとに明るさの値を入力層に入力していきます。入力層というのは入力を受け付ける層のことで、最初の層のことです。人間で言うと目の細胞の部分にあたります。入力層の人工ニューロンは次の層の人工ニューロンに繋がっていて。重みに従って伝える値の大きさが変わります。画像では線の太さで重みを表しました。そして次の層は隠れ層と呼ばれるものです。ディープラーニングのディープというのはこの中間層の枚数が多く深いことを表します。ディープラーニングではこの隠れ層の枚数に正解はありません。隠れ層は後ほど学習後の精度向上のためにチューニングを行う際に、減らしたり増やしたりします。画像でも分かる通り、かなり複雑に結合しています。この複雑な結合は全結合と呼びます。このように全結合されたネットワークは人間が処理をトレースすることは難しいと考えられます。そのためディープラーニングはブラックボックスのシステムだと言われます。そして、最後の層は出力層と呼ばれ、結果を出力する役割があります。この図では与えられた画像は60%の確率4であると推論しています。
- まとめ
- 参照
[Deep Learning入門:Deep Learningとは?](https://www.youtube.com/watch?v=W92VcivhoBs )