##はじめに
2019年より思い立ってAIの勉強を始めました。その過程で、Raspberry Piカメラを
使った顔認証の仕組みを作ってみたのですが、学習の過程がイマイチ理解できません。
そんな時、SonyのNeural Network Consoleで、学習の途中出力結果を確認できるという
ことを知ったので、Pythonで作成したモデルをNNCに移行してみました。
ブラックボックスと言われるAIへの理解が進むことを祈りつつ。。。

##環境
Sony Neural Network Console Windows版 Version 1.4.0

##注意点
NNCの実行ファイルや使用する画像のパスには、全角文字や半角スペースを含めない。

##1.NNCのダウンロード
こちらよりダウンロードします(およそ1GB)。

##2.データセットの作成
####2-1.上記の注意点を考慮しつつ、画像を人物ごとのフォルダに格納しておきます。

####2-2.NNCのDATASETタブからCreate Datasetをクリックし、パスや色、サイズを設定する。

##3.モデルの作成から検証まで
####3-1.Raspberry PiカメラでDeepLearningによるリアルタイム顔認証のモデルをNNCで再現する。

####3-2.Trainingを実行する。
####3-3.途中出力を確認できるようモデルを追加し、Evaluationを実行する。
チュートリアルの「学習されたニューラルネットワークの途中出力を分析する」を参考に、
モデルを追加する。

Evaluationを実行すると・・・

##4.途中出力結果の確認
Index.34の柳楽君の画像を追いかけてみます。

最初のConvolution後

次のConvolution後

最後のConvolution後

##5.感想
学習の途中出力結果を確認したのは初めてだったので、とても面白かったです。
特徴の抽出とは、こんな感じで行われているのですね！もう少し、CNNについての知識が
あると更に多くの気づきがあるのかもしれません。
今後は、プーリング層後の途中結果の確認や、他のRNNなどのモデルにも適用したいです。

##リンク
AIエンジニアを目指してみる
 Raspberry PiカメラでDeepLearningによるリアルタイム顔認証