畳み込みニューラルネットワーク

 

GoogleのTensorflow(テンソルフロー)というライブラリーを利用して、言われるままに、「畳み込みニューラルネットワーク」をやってみた。

意味はまったく分からないし、それ以前に、そのとおりにプログラムを記述することさえ、むつかしい。ちょっとの打ち間違えでエラーが出てしまう。なので、とりあえずコピー&ペーストしながら、手順をすすめて行った。

ここでは、先生役となるモデルデータと、入力したデータが一致する確率をあげるため、2万回演算を行なっている。

2万回近くなると、正解に近い確率となっていく(下図の右側の数値のほとんどが1になっていく。1はモデルデータと入力データが100%一致していることを示す)。


それは、それで良いんだけれど、演算に1時間かかって、1の数字が得られるという、意外な地味な結果に、あっけに、とられたかんじなんだなぁ。

ディープラーニングに限らず、プログラミングって、そういう感じはあるわな。労力をつかったわりに、「なーんだ」みたいな。

ま、それでも、よく言われる、ディプラーニングとGPUの親和性の感じがつかめたのは、よかったねぇ。

とうのは、こんかいは、GPUではなく、MacBookAirのCPU(こっちた、GではなくCネ。CPU)を利用したわけで。

CPUをつかったばあい、前述のように演算に1時間もかかかってしまうことが分かった。

それも、下の図のとおり、演算しているあいだ、CPUは、10パーセントくらいの余裕しかないんだわ。


一方、電力の消費は、こんなかんじ。ディプラーニングすると「エネルギー影響」がドンとあがる。ちなみに、愛用のMacBookAirの底が熱くなってきて、心配になったくらい。



 

 

気づいたことを、お気軽に。
公開まで、やや時間がかかりまーす!