はじめに ― 本連載の読み方

　TensorFlowを使ってディープラーニングの基礎が体験できる連載記事です。TensorFlowの概要から、インストール方法、CNN／RNNモデルの実装体験、TensorBoardの使い方まで、一通りの内容をできるだけコンパクトに説明しています。各記事とも多岐に渡る内容となっていますが、記事の最後にある【TL;DR】という枠で、箇条書きで重要ポイントを整理し直しています。これによって、記事内容の理解を再確認できますので、ぜひご活用ください。

　第1章では、TensorFlowの概要と適用範囲を説明し、最重要な基本概念であるデータフローグラフについて解説しています。また、深層学習との関係や、事例、学び方についても紹介しています。「TensorFlowを使ったことがない」という方は、ご一読ください。

　第2章では、実際にTensorFlowを使って作業するための環境を構築します。Windows／macOS／Ubuntuに対応しています。GPUはなくてもOKです。環境構築済みの方はスキップして構いません。「TensorFlowの概要は知っており、TensorFlowを実際に試してみたいが、環境は未構築」という方は、ここからスタートしてください。

　第3章では、TensorFlowの基本的な構成要素であるテンソルとセッションについて説明しています。第5章や第7章で実際にTensorFlowによるディープラーニングを実践するための前提知識となっています。「環境を構築済みで、TensorFlowのテンソルとセッションとは？と聞かれて、その内容を答えられない」方は、ここからスタートしてください。

　第4章では、画像認識でよく使われるディープラーニングの代表的手法「CNN」を解説しています。「畳み込み」「プーリング」「活性化関数」「CNNのネットワーク構成」「ソフトマックス関数」といった基礎と注意点が理解できます。第5章で実際にTensorFlowによるディープラーニングを実践するための前提知識となっています。CNNに関して詳しい場合は、スキップして構いません。「CNN、畳み込み、プーリング、活性化関数、ソフトマックス関数、tf.nn.conv2dメソッドとは？と聞かれて、その内容を答えられない」という方は、ご一読ください。

　第5章では、ディープラーニングの代表的手法「CNN」により画像認識を行う機械学習モデルを構築していきます。「CNNによる深層学習がどのようなものか、体験したい」方は、ぜひ実際に自分の手を動かしながら読むことをお勧めします。

　第6章では、時系列データの予測でよく使われるディープラーニングの代表的手法「RNN」を解説しています。時系列データの意味、RNNの特徴、通常のニューラルネットワークの相違点について理解できます。第7章で実際にTensorFlowによるディープラーニングを実践するための前提知識となっています。RNNに関して詳しい場合は、スキップして構いません。「RNN、時系列データ、tf.nn.rnn_cellモジュールとは？と聞かれて、その内容を答えられない」という方は、ご一読ください。

　第7章では、ディープラーニングの代表的手法「RNN」により時系列データの予測を行う機械学習モデルを構築していきます。ディープラーニングの代表的手法「CNN」により画像認識を行う機械学習モデルを構築していきます。「RNNによる深層学習がどのようなものか、体験したい」方は、ぜひ実際に自分の手を動かしながら読むことをお勧めします。

　第8章では、TensorFlowを活用するうえで非常に役立つツール「TensorBoard」の使い方を説明しています。スカラー値やデータフローグラフをログファイルとして出力し、可視化する方法についても説明しています。「TensorBoardを使ったことがない、使い方が分からない」という方には、ぜひ一読をお勧めします。