本リポジトリはオライリー・ジャパン発行書籍『実践 Deep Learning』（原書名『Fundamentals of Deep Learning』）のサポートサイトです。

サンプルコードの解説は本書籍をご覧ください。

サンプルを実行する前に、必要なライブラリをインストールする必要があります。

$ pip install -r requirements.txt

サンプルコードはfdl_exampleの親ディレクトリから実行することを想定しています。 また、fdl_exampleをパッケージとして認識するためにPYTHONPATHを指定する必要があります。

実行例

$ export PYTHONPATH=$PYTHONPATH:.
$ python fdl_example/chapter6/autoencoder_mnist.py 2

第6章では、matplotlibを使って埋め込みの可視化をしています。 matplotlibを使った可視化をするにはtkライブラリが必要となります。

$ sudo apt-get install python3-tk tk-dev

pyenvなどを使って環境を構築している場合は、上記のコマンドでtkライブラリをインストールした後でpythonをインストールし直す必要があります。

第7章のサンプルコードを実行するには、 以下のデータが必要となります。

1. Google News を使って構築した単語の埋め込み表現データ
   • ダウンロードしたファイルを展開後、fdl_exampleの親ディレクトリに配置してください。
2. CoNLL-2000の品詞データ
   • 上記のリンクからダウンロードできない場合はKaggleのページからダウンロードできます。
     • ダウンロードしたファイルを展開後、conll2000/train.txtとconll2000/test.txtをそれぞれdata/pos_data/pos.train.txtとdata/pos_data/pos.test.txtに配置してください。

第8章のサンプルコードを実行するには、bAbiデータセットが必要となります。bAbiプロジェクトページからbAbI Tasks Data 1-20 (v1.2)をダウンロードして展開後、tasks_1-20_v1-2/en-10kをdata/babi-en-10kにコピーしてください。

日本語版で検証に使用した各ソフトウェアのバージョンは以下のとおりです。

• OS
  • Ubuntu 16.04 LTS
• ライブラリ
  • tensorflow 1.4.0
  • scikit-learn 0.19.1
  • scipy 1.0.0
  • matplotlib 2.1.2
  • gensim 3.3.0
  • leveldb 0.194
  • tflearn 0.3.2
  • h5py 2.8.0rc1

まだありません。誤植など間違いを見つけた方は、japan@oreilly.co.jpまでお知らせください。