ゼロから作るDeepLearning本をやる(5)

5章の最後、誤差逆伝播法での学習を実施した。結果は以下。

ハイパーパラメータは以下で実施

• ミニバッチ:100 (60,000の訓練データからランダム抽出)
• 学習回数(イテレーション):10,000
• 1エポック:600回毎
• 学習率 0.1

学習結果は以下のようになった
学習データへの認識精度,テストデータへの認識精度

train acc, test acc | 0.153016666667,0.1589
train acc, test acc | 0.905166666667,0.9099
train acc, test acc | 0.92575,0.9275
train acc, test acc | 0.938166666667,0.9372
train acc, test acc | 0.946966666667,0.9452
train acc, test acc | 0.95265,0.9488
train acc, test acc | 0.95745,0.9546
train acc, test acc | 0.96135,0.9584
train acc, test acc | 0.966283333333,0.9608
train acc, test acc | 0.967183333333,0.9623
train acc, test acc | 0.970066666667,0.9633
train acc, test acc | 0.972366666667,0.9646
train acc, test acc | 0.974516666667,0.9671
train acc, test acc | 0.975683333333,0.9679
train acc, test acc | 0.977233333333,0.9692
train acc, test acc | 0.977866666667,0.9705
train acc, test acc | 0.979283333333,0.9693
実行時間:52sec

イテレーション10,000なのに52sec!
数値微分での学習に比べていかに高速に済むのかが分かった。素晴らしい！

あとは6章の予習したけど、pythonでグラフ表現する、ってことに慣れとくと良いと感じた。
処理の途中など様々なタイミングで発生するデータを分析をするため、
グラフで"よい"とか"良くない"を判断することが多いからだ。
あとはぱらっと最後まで流し読みしたけど、7章が一番の山場かなと感じる。
6章はサラッとクリアしたい。たのむ・・・。

ゼロから作るDeep Learning ―Pythonで学ぶディープラーニングの理論と実装