ステージ５ DeZero で挑む
| ステップ５２ GPU 対応 ステップ５３ モデルの保存と読み込み ステップ５４ Dropout とテストモード ステップ５５ CNN のメカニズム（１） ステップ５６ CNN のメカニズム（２） ステップ５７ conv2d 関数と pooling 関数 ステップ５８ 代表的な CNN（VGG16） ステップ５９ RNN による時系列データ処理 ステップ６０ LSTM とデータローダ |
ステップ５２ GPU 対応
・CuPy のインストールと使用方法
・cuda モジュール
・Variable ／ Layer ／ DataLoader クラスの追加実装
・関数の追加実装
・GPU でMNIST を学習
ステップ５３ モデルの保存と読み込み
・Numpy の save 関数と load 関数
・Layer クラスのパラメータをフラットに
・Layer クラスの save 関数と load 関数
ステップ５４ Dropout とテストモード
・Dropout とは
・Inverted Dropout
・テストモードの追加
・Dropout の実装
ステップ５５ CNN のメカニズム（１）
・CNN のネットワーク構造
・畳み込み演算
・パディング
・ストライド
・出力サイズの計算方法
ステップ５６ CNN のメカニズム（２）
・３階テンソル
・ブロックで考える
・ミニバッチ処理
・プーリング層
ステップ５７ conv2d 関数と pooling 関数
・im2col による展開
・conv2d 関数の実装
・Conv2d レイヤの実装
・pooling 関数の実装
ステップ５８ 代表的な CNN（VGG16）
・VGG16 の実装
・学習済み重みデータ
・学習済みの VGG16 を使う
ステップ５９ RNN による時系列データ処理
・RNN レイヤの実装
・RNN モデルの実装
・「つながり」を切るためのメソッド
・サイン波の予測
ステップ６０ LSTM とデータローダ
・時系列データのためのデータローダ
・LSTM レイヤの実装