#はじめに
この記事は『Deep Learning初心者，プログラミング初心者だけどDeep Learningしてみたいな～でもやり方わからないしな～』といった人向けであります．
#動機
簡単にDeep Learningしたい．
C++とかPythonとかverilogとか，
ソフトウェアでもハードウェアでも実装してみましたけど，
設計からコーディングまで工程数が多いこと．．．
それが！なんと！！GUIでできる！！！とのこと．
SONYから提供されているNeural Network Console(NNC)！
これはやるしかない．やりましょう．
※2017年12月18日投稿時の話です．
#この記事の目的
NNCで(ある程度)任意のネットワークでMNISTデータセットの線形分類をできるようになる．
～その1～：インストール，とりあえず実行
～その2～：改造に挑戦
※MNISTデータセット：グレースケール手書き数字画像のデータセット．
1つの画像の大きさは縦横28*28ピクセル．
クラス数は10で学習用60000枚，テスト用10000枚(クラス毎に枚数は異なる)．
クラス分類タスクの評価指標によく使われる．
#扱うNeural Network
～その1～：Multi-Lyaer Perceptron(MLP)
～その2～：Convolutional Neural Network(CNN)
#まずはNNCのインストール
今回はwindowsアプリ版を使います．
まずは公式HPにアクセス．
ここからインストール完了までの手順は3つ．
1.メールを送ってインストーラの入手
2.ダウンロード
3.解凍するだけ
悔しいことに簡単です．
※.zipで993MB，解凍して2.34GBとまぁまぁ重いのでインストールする場所を選びましょう．
##環境
自分の環境は次の通りです．
OS：Windows 10 Education 64bit
CPU：Intel Core i7-4771
メモリ：8GB
GPU：なし
#既存のNN(MLP)でやってみる
とりあえず，定番中の定番『MNISTをMLPで分類』をやってみます．
と，その前にセットアップですね．
##セットアップ(スクショ取り忘れました)
neural_network_console.exeを初めて開くとSetupウィンドウが表示されます．
GPUも積んでいないので，とりあえず規約を読んでapplyしてみる．
動きました．
※『Visual Studio 再頒布パッケージ2015がない』と言われた方はこちらから入手，インストールしてください．
##そもそもMLPとは？
Multi Layer Perceprtonの略です．
perceprton(パーセプトロン，神経細胞)があるlayer(層)をmulti(複数)並べたものです．
そのまんまですね．
こんな感じです．bは趣味で書いたので気にしないでください．
(入力データ，ラベル)←このセットで覚えさせます．
教師あり学習といいます．
理論について詳しくはまたいずれ..．
深層学習に使われる多くのニューラルネットワークの”基本形”ですね．
##動かします
HOME->PROJECT->10_deep_mlp.sdcprojと移動します．
※この時点でMNISTデータセットのインストールを求められます．気持ちよく引き受けましょう．
学習させてみます．
この再生ボタンをポチるだけ．
するとグラフがぬるぬると描かれます．
これは楽ちん．
赤い実線が学習できているかを表します．点線は汎化能力を試すためのものです．
ここでは過学習という現象が起きていますが，本題とは関係ないのでスルーしましょう．
評価もしてみましょう．
この再生ボタンをポチるだけ．
『4』と『9』...そうですか．
いや，この画面，なんぞや．
ここで，学習させたデータセットについてみてみましょう．
水色の丸のDATASETに移動します．
前述の通り，MLPは(入力データ，ラベル)のセットで学習させます．
ここでは(4or9の画像，0or1)になっています．紺色の枠と赤の枠ですね．
さて，ラベルですが，黄色の丸の縦ライン示す通り，
yが9じゃない(4)ならラベル0
yが9ならラベル1
ですね．
※0から9まで全部学習させているのかと思いきや，4と9の2つだけでした．ご愛敬．
さて，これを踏まえて先ほどの評価結果を見てみましょう．
実は『y'』が出力値なんですけど(先に言えよ)
index1の結果は『4の画像を入力したら0.00117776328698っていう値が出たからほぼ0だし分類的にはラベル0だと思います』ということですね．
一方で，
index3の結果は『9の画像を入力したら0.988236129284っていう値が出たからほぼ1だし分類的にはラベル1だと思います』ということですね．
ラベル0は4，ラベル1は9，と学習させたので...
えぇ，見事に分類できてますね．
とても簡単にDeepLearningできちゃいましたね．
さ！次は改造してみましょう．