はじめに
プログラミングでニューラルネットワークっていうのがあるらしいけど、シンプルなものってどうやって作れるの？🧠
ニューラルネットワークはディープラーニングの基盤だね。PythonとPyTorchを使ってシンプルなものを作ってみよう！
楽しそう！さっそく始めよう！🚀
ステップ1: ライブラリのインポート
どんなライブラリが必要なの？
この例では、PyTorchとtorchvisionを使うよ。
import torch
import torch.nn as nn
import torchvision
ステップ2: ニューラルネットワークの定義
さあ、ニューラルネットワークを作ろう！
1つの隠れ層を持つシンプルなフィードフォワードニューラルネットワークを作るよ。
class SimpleNeuralNetwork(nn.Module):
def __init__(self, input_size, hidden_size, output_size):
super(SimpleNeuralNetwork, self).__init__()
self.fc1 = nn.Linear(input_size, hidden_size)
self.relu = nn.ReLU()
self.fc2 = nn.Linear(hidden_size, output_size)
def forward(self, x):
out = self.fc1(x)
out = self.relu(out)
out = self.fc2(out)
return out
ステップ3: ニューラルネットワークのインスタンス作成
ニューラルネットワークってどう使うの？
まず、目的の入力サイズ、隠れ層サイズ、出力サイズを指定してインスタンスを作成するよ。
input_size = 784
hidden_size = 100
output_size = 10
model = SimpleNeuralNetwork(input_size, hidden_size, output_size)
ステップ4: 損失関数と最適化関数の定義
次は何をするの？
ネットワークを訓練するために、損失関数と最適化関数を定義する必要があるよ。
loss_function = nn.CrossEntropyLoss()
optimizer = torch.optim.Adam(model.parameters(), lr=0.001)
ステップ5: ニューラルネットワークの訓練
訓練の時間だね！🏋️♀️
MNISTのようなデータセットを使ってニューラルネットワークを訓練するよ。簡単のため、ここではデータセットのロードコードは含めないね。
num_epochs = 5
for epoch in range(num_epochs):
for i, (images, labels) in enumerate(train_loader):
images = images.view(-1, 28*28)
# Forward pass
outputs = model(images)
loss = loss_function(outputs, labels)
# Backward pass
optimizer.zero_grad()
loss.backward()
optimizer.step()
おわりに
お疲れ様！PythonとPyTorchを使ってシンプルなニューラルネットワークを作成できたね。ネットワークを定義し、インスタンスを作成し、損失関数と最適化関数を定義し、ネットワークを訓練しました。ニューラルネットワークをもっと探求して楽しもう！🎉