導入: R と Python のどちらを選択するかは、常に熱く議論されているトピックです。機械学習の世界も言語の好みによって分かれています。しかし、ディープラーニングの人気が高まるにつれ、バランスは徐々に Python に傾いてきました。これは、これまでのところ Python には、R にはないディープラーニング リソース ライブラリとフレームワークが多数あるためです。 私が個人的に R から Python に切り替えたのは、R だけを使用して機械学習の世界をさらに深く理解したいと思ったからです。これは R だけではほとんど不可能でした。しかし、それだけです! R での Keras の実装により、言語選択の争いが再び中心的な位置に戻ってきました。 Python は徐々にディープラーニングモデリングのデフォルト言語となりつつありますが、TensorFlow (CPU と GPU の両方に対応) をバックエンドとする R の Keras フレームワークがリリースされたことで、ディープラーニングの分野でも R と Python の舞台を巡る戦いが再び始まりました。 次に、R で TensorFlow に基づく Keras フレームワークをインストールする方法を確認し、RStudio で従来の MNIST データセットに基づく最初のニューラル ネットワーク モデルを構築します。 コンテンツ:
1. TensorFlowをバックエンドとしてKerasフレームワークをインストールする RStudio に Keras をインストールする手順は非常に簡単です。以下の手順に従うだけで、R で最初のニューラル ネットワーク モデルを構築できるようになります。
上記の手順により、Github リポジトリから Keras がダウンロードされます。次に、keras を R にロードし、TensorFlow をインストールします。
デフォルトでは、RStudio は TensorFlow の CPU バージョンをロードします。 TensorFlow の CPU バージョンが正常にロードされない場合は、次のコマンドを使用してダウンロードします。
単一ユーザーまたはデスクトップ システムに GPU サポート付きの TensorFlow をインストールするには、次の手順に従います。
マルチユーザーインストールについては、このガイドを参照してください: https://tensorflow.rstudio.com/installation_gpu.html。 現在、RStudio には keras と TensorFlow の両方がインストールされています。まず、R で最初のニューラル ネットワークを構築し、MNIST データセットを処理してみましょう。 2. Rでkerasを使用して構築できるさまざまな種類のモデル 以下は、RでKerasを使用して構築できるモデルのリストです。
まず、隠し層が 1 つだけのシンプルな MLP モデルを構築して、手書きの数字を分類してみましょう。 3. R の MLP を使用して MNIST 手書き数字を分類する
上記のコードは、99.14% のトレーニング精度と 96.89% の検証精度を達成しました。このコードを i5 プロセッサで実行すると、トレーニング実行が完了するまでに 13.5 秒かかりますが、TITANx GPU では検証精度は 98.44% に達し、実行あたりのトレーニング時間は平均 2 秒です。 4. keras を使用して MLP モデルを構築する — R と Python より良い比較のために、私は Python を使用して上記の MINIST 分類問題を解きました。 R はプロセス (conda インスタンス) を作成し、その中で keras を実行するため、結果に違いはありません。ただし、次の同等の Python コードを試すことはできます。
上記のモデルは、同じ GPU 上で 98.42% の検証精度を達成しました。したがって、最初に推測したとおり、結果は同じです。 V. 結論 これが R で構築された最初のディープラーニング モデルである場合は、プロセスを楽しんでいただければ幸いです。非常にシンプルなコードを使用して、手書きの値を 98% の精度で分類できます。これにより、機械学習の分野を探求する十分な動機が得られるはずです。 Python で keras ディープラーニング フレームワークを使用したことがある場合は、R の keras フレームワークの構文と構造が Python のものと非常に似ていることがわかります。実際、R の keras パッケージは conda 環境を作成し、その環境で keras を実行するために必要なものをすべてインストールします。しかし、私がさらに興奮するのは、データ サイエンティストが R を使用して現実の状況に合わせたディープラーニング モデルを構築しているのを見ることです。諺にあるように、競争は決して終わらない。 |
>>: 人工知能やビッグデータ製品の開発において、特に注意すべき点は何でしょうか?
[51CTO.comより引用] 2017年7月21日から22日まで、51CTO主催の人工知能をテーマ...
今日の量子コンピューティング デバイスをシミュレートする際の主な課題は、量子ビット間で発生する複雑な...
6月26日に開催されたセコイア・グローバル・ヘルスケア産業サミットで、スタンフォード大学のフェイフ...
強化学習では、報酬と罰のメカニズムを使用してエージェントをトレーニングします。エージェントは正しい行...
[51CTO.comよりオリジナル記事] 近年、機械学習、ディープラーニング、ビッグデータ分析が話題...
「プログラム合成」または「コード生成」タスクの目標は、与えられた記述に基づいて実行可能なコードを生成...
顔認識の「槍と盾」が同時発売! Microsoft Research Asiaと北京大学は最近、Fa...
10月10日のニュース、過去1年間、生成AIの流行は多くの企業に莫大な利益をもたらしました。最大の受...
これまで多くの技術進歩の基盤となってきたデータセンターは、現在、インフラストラクチャ プロバイダーだ...
アルパカチームの新たな研究は大ヒットとなっている。彼らは、モデルが 100 個のトークンを 1.5 ...