Introduction au Deep Learning pour la première fois (Chainer) Reconnaissance des caractères japonais Chapitre 1 [Construction de l'environnement]

Bonjour Licht. J'ai obtenu le ** jeu de données de reconnaissance de caractères japonais ** vendu à l 'Environmental Research Institute, donc pour les débutants en apprentissage profond utilisant le jeu de données Je publierai le tutoriel. Nous allons essayer de développer un moteur de reconnaissance de caractères japonais.

Comme vous pouvez le voir sur l'image ci-dessous, c'est un tutoriel qui garantit l'effondrement de Gestalt, mais j'aimerais faire de mon mieux sans faute. rihito.png

Cet article est ・ Je veux commencer le Deep Learning! ・ Je veux faire un didacticiel autre que la reconnaissance des numéros de mnist! ・ Je souhaite en savoir plus sur les technologies liées au Deep Learning! ・ Je souhaite développer l'OCR japonais par moi-même!

J'écris pour ceux qui disent. Ceci est expliqué dans le schéma ci-dessous.

chapitre Titre
Chapitre 1 Construire un environnement Deep Learning basé sur le chainer
Chapitre 2 Création d'un modèle de prédiction Deep Learning par Machine Learning
chapitre 3 Reconnaissance de caractères à l'aide d'un modèle
Chapitre 4 Amélioration de la précision de la reconnaissance en élargissant les données
Chapitre 5 Introduction à Neural Net et explication du code source
Chapitre 6 Amélioration de l'efficacité d'apprentissage en sélectionnant Optimizer
Chapitre 7 TTA,Amélioration de l'efficacité de l'apprentissage par la normalisation des lots

Si vous êtes complètement nouveau dans le Deep Learning, veuillez essayer jusqu'au chapitre 4 car vous voulez quand même voir des objets en mouvement. Le chapitre 5 et ci-dessous sont destinés à ceux qui souhaitent en savoir plus sur le Deep Learning.

introduction

Pourquoi chainer?

** le chainer est un OSS domestique **. Surtout, il est facile à utiliser et à comprendre, et même si vous posez une question sur le chainer sur Google Group, il répondra immédiatement et gratuitement.

environnement

La partie principale est basée sur Mac, mais j'expliquerai chacun d'eux selon Windows à tout moment (bien que la seule différence soit la préparation de l'environnement). ・ Spécifications de la machine: mémoire 4 Go ou plus -Série Python2.7, pip doit être installé

Préparation environnementale (Mac)

Au terminal

sudo pip install chainer

Entrez chainer1.6.0, filelock2.0.5, nose1.3.7, numpy1.10.4, protobuf 2.6.1 en vrac.

sudo pip install scipy

Entrez pour installer scipy 0.17.0.

Veuillez également installer la série Opencv 2.4.X en vous référant à cet article.

Préparation de l'environnement (Windows)

À l'invite de commande

pip install chainer

Entrez chainer1.6.0, filelock2.0.5, nose1.3.7, numpy1.10.4, protobuf 2.6.1 en vrac.

pip install scipy

Entrez pour installer scipy 0.17.0. Démarrez l'invite de commande en mode administrateur si nécessaire. Veuillez également installer la série Opencv 2.4.X en vous référant à cet article.

Préparation des données (Mac, Windows)

Achetez (1000 yens) l'ensemble de données Hirakana sur le site Web de l'Institut de recherche environnementale et téléchargez-le. Créez un répertoire appelé "HIRAGANA_NN" sur votre bureau et décompressez-le.

-DESKTOP -HIRAGANA_NN -304a -304b ・ ・ (Référence) C'est OK si cela ressemble à l'image ci-dessous. desktop_directory.png

De plus, les répertoires tels que 304a indiquent l'Unicode de chaque pseudonyme simple et le contenu est le suivant. inside_folder.png

Vous êtes maintenant prêt. J'aimerais passer à l'apprentissage automatique à partir du prochain chapitre 2!

chapitre Titre
Chapitre 1 Construire un environnement Deep Learning basé sur le chainer
Chapitre 2 Création d'un modèle de prédiction Deep Learning par Machine Learning
chapitre 3 Reconnaissance de caractères à l'aide d'un modèle
Chapitre 4 Amélioration de la précision de la reconnaissance en élargissant les données
Chapitre 5 Introduction à Neural Net et explication du code source
Chapitre 6 Amélioration de l'efficacité d'apprentissage en sélectionnant Optimizer
Chapitre 7 TTA,Amélioration de l'efficacité de l'apprentissage par la normalisation des lots

Recommended Posts

Introduction au Deep Learning pour la première fois (Chainer) Reconnaissance des caractères japonais Chapitre 1 [Construction de l'environnement]
Introduction au Deep Learning pour la première fois (Chainer) Reconnaissance de caractères japonais Chapitre 3 [Reconnaissance de caractères à l'aide d'un modèle]
Introduction au Deep Learning pour la première fois (Chainer) Reconnaissance de caractères japonais Chapitre 2 [Génération de modèles par apprentissage automatique]
Introduction au Deep Learning pour la première fois (Chainer) Reconnaissance de caractères japonais Chapitre 4 [Amélioration de la précision de la reconnaissance en développant les données]
[Apprentissage de renforcement d'introduction] Renforcement de l'apprentissage pour bouger pour le moment
Mémo d'apprentissage Python pour l'apprentissage automatique par Chainer Chapitre 10 Introduction à Cupy
Mémo d'apprentissage Python pour l'apprentissage automatique par Chainer Chapitre 9 Introduction à scikit-learn
Comment utiliser MkDocs pour la première fois
Essayez de publier sur Qiita pour la première fois
Introduction au Deep Learning (1) --Chainer est expliqué d'une manière facile à comprendre pour les débutants-
GTUG Girls + PyLadiesTokyo Meetup Je suis allé au premier machine learning
[Introduction à RasPi4] Construction de l'environnement; OpenCV / Tensorflow, entrée japonaise ♪
Premier Kaggle (kaggle ①)
Kaguru pour la première fois
Introduction au Deep Learning ~ Règles d'apprentissage ~
Apprentissage par renforcement profond 1 Introduction au renforcement de l'apprentissage
Quel type d'environnement les personnes qui apprennent Python pour la première fois devraient-elles créer?
Introduction au Deep Learning ~ Rétropropagation ~
Si vous apprenez Linux pour la première fois, faites-le!
Chapitre 1 Introduction à Python Découpez uniquement les bons points de Deeplearning à partir de zéro
Différences que les ingénieurs C # ont ressenties lors de l'apprentissage de Python pour la première fois
Spigot (Paper) Introduction à la création d'un plug-in pour 2020 # 01 (Construction de l'environnement)
Introduction au Deep Learning (2) - Essayez votre propre régression non linéaire avec Chainer-
Résumé des pages utiles pour étudier le framework d'apprentissage profond Chainer
Introduction à l'apprentissage en profondeur ~ Approximation des fonctions ~
Introduction à l'apprentissage profond ~ Préparation au codage ~
Voir python pour la première fois
De Ubuntu 20.04 introduction à la construction d'environnement
Démarrez Django pour la première fois
Introduction au Deep Learning ~ Dropout Edition ~
Introduction au Deep Learning ~ Propagation vers l'avant ~
Introduction à l'apprentissage profond ~ Expérience CNN ~
Tutoriel d'apprentissage en profondeur de la construction d'environnement
[Introduction à l'apprentissage automatique] Jusqu'à ce que vous exécutiez l'exemple de code avec chainer
Réaliser la construction d'environnement pour "Deep Learning from scratch" avec docker et Vagrant
Prenons la version gratuite "Introduction à Python pour l'apprentissage automatique" en ligne jusqu'au 27/04
Pour la première fois dans Numpy, je vais le mettre à jour de temps en temps
Jusqu'à ce que l'environnement Deep Learning (TensorFlow) utilisant le GPU soit préparé pour Ubuntu 14.04
Mémo d'apprentissage Python pour l'apprentissage automatique par Chainer jusqu'à la fin du chapitre 2
J'ai essayé tensorflow pour la première fois
Une introduction à OpenCV pour l'apprentissage automatique
MongoDB avec Python pour la première fois
Essayons Linux pour la première fois
Une introduction à Python pour l'apprentissage automatique
[Windows 10] Construction de l'environnement "Deep Learning from scratch"
Préparez l'environnement pour le livre O'Reilly "Deep Learning from scratch" avec apt-get (Debian 8)
[Super Introduction] Apprentissage automatique utilisant Python - De la construction d'environnement à l'implémentation de perceptron simple-
Créez un environnement python pour apprendre la théorie et la mise en œuvre de l'apprentissage profond
Retour sur le concours d'apprentissage automatique sur lequel j'ai travaillé pour la première fois
Mémo d'apprentissage Python pour l'apprentissage automatique par Chainer Chapitres 11 et 12 Introduction à Pandas Matplotlib
Comment installer le framework d'apprentissage en profondeur Tensorflow 1.0 dans l'environnement Windows Anaconda
Une introduction à l'apprentissage automatique pour les développeurs de robots
Introduction à Python Préparons l'environnement de développement
Deep Learning from scratch ① Chapitre 6 "Techniques liées à l'apprentissage"
[Introduction à AWS] Le premier Lambda est Transcribe ♪
J'ai essayé la programmation python pour la première fois.
Lire et mettre en œuvre l'apprentissage résiduel profond pour la reconnaissance d'image