Help us understand the problem. What is going on with this article?

Lua版 ゼロから作るDeep Learning まとめ

More than 1 year has passed since last update.

はじめに

 この記事は斎藤康毅先生著のゼロから作るDeep Learning ――Pythonで学ぶディープラーニングの理論と実装で掲載されているスクリプトをLuaの機械学習計算ライブラリTorchで実装した記事のリンクを掲載しています。
 定期的に参照したい方はこちらをストックしていただけたら便利かと思われます。

記事一覧(更新中)

Lua版 ゼロから作るDeep Learning その1[パーセプトロンの実装]
Lua版 ゼロから作るDeep Learning その2[活性化関数]
Lua版 ゼロから作るDeep Learning その3[3層ニューラルネットワークの実装]
Lua版 ゼロから作るDeep Learning その4[ソフトマックス関数の実装]
Lua版 ゼロから作るDeep Learning その5[MNIST画像の表示]
Lua版 ゼロから作るDeep Learning その5.5[pklファイルをLua Torchで使えるようにする]
Lua版 ゼロから作るDeep Learning その6[ニューラルネットワークの推論処理]
Lua版 ゼロから作るDeep Learning その7[バッチ処理]
Lua版 ゼロから作るDeep Learning その8[損失関数]
Lua版 ゼロから作るDeep Learning その9[損失関数(バッチ対応版)]
Lua版 ゼロから作るDeep Learning その10[一次元の数値微分]]
Lua版 ゼロから作るDeep Learning その11[勾配の算出]
Lua版 ゼロから作るDeep Learning その12[勾配法]
Lua版 ゼロから作るDeep Learning その13[ニューラルネットワークに関する勾配]
Lua版 ゼロから作るDeep Learning その14[二層ニューラルネットワークの実装]
Lua版 ゼロから作るDeep Learning その15[二層ニューラルネットワークによるMNIST学習(後回し)]
Lua版 ゼロから作るDeep Learning その16[単純なレイヤの実装]

スクリプト

 その14以降のスクリプトに関しましてはgithub上にも掲載しています。
 Lua_DLfromScratch

ダウンロード
$git clone https://github.com/Kazuki-Nakamae/Lua_DLfromScratch

その他Torch関連リンク集

公式マニュアル
 
 インストール関連記事
Torchでdeep learning
Torch7 のインストール
 
 その他
numpyとの対応表
Torch7の分かりにくい話
 

Why do not you register as a user and use Qiita more conveniently?
  1. We will deliver articles that match you
    By following users and tags, you can catch up information on technical fields that you are interested in as a whole
  2. you can read useful information later efficiently
    By "stocking" the articles you like, you can search right away
Comments
Sign up for free and join this conversation.
If you already have a Qiita account
Why do not you register as a user and use Qiita more conveniently?
You need to log in to use this function. Qiita can be used more conveniently after logging in.
You seem to be reading articles frequently this month. Qiita can be used more conveniently after logging in.
  1. We will deliver articles that match you
    By following users and tags, you can catch up information on technical fields that you are interested in as a whole
  2. you can read useful information later efficiently
    By "stocking" the articles you like, you can search right away