ゼロから作る Deep Learning + my_notebooks

書籍『ゼロから作る Deep Learning』(オライリー・ジャパン発行)の公式サンプルコードに、学習用の my_notebooks を追加したリポジトリです。

公式コードの解説は書籍をご覧ください。このリポジトリでは、章ごとの Python スクリプトに加えて、Jupyter Notebook で確認しながら進められる学習ノートを置いています。

このリポジトリについて

• ch01 から ch08、common、dataset は公式リポジトリ由来のソースコードです。
• notebooks は公式サンプルコードを Notebook 形式で実行するためのファイルです。
• my_notebooks は個人学習用に追加した Notebook です。章ごとの補足、実験、図解、途中計算の確認などを含みます。

ファイル構成

パス	説明
ch01	1章で使用するソースコード
ch02	2章で使用するソースコード
ch03	3章で使用するソースコード
ch04	4章で使用するソースコード
ch05	5章で使用するソースコード
ch06	6章で使用するソースコード
ch07	7章で使用するソースコード
ch08	8章で使用するソースコード
common	共通で使用するソースコード
dataset	データセット用のソースコード
notebooks	公式サンプルコードの Notebook 版
my_notebooks	学習用に追加した Notebook
pyproject.toml	uv で管理する依存関係
uv.lock	uv が生成するロックファイル

必要な環境

ソースコードを実行するには、次のソフトウェアとライブラリが必要です。

• Python 3.x
• uv
• NumPy
• Matplotlib
• Jupyter Notebook または JupyterLab (my_notebooks を使う場合)

このリポジトリでは、Python 環境を uv で管理します。uv が未インストールの場合は、先にインストールしてください。

python3 -m pip install uv

その後、リポジトリのルートディレクトリで依存関係を同期します。

uv sync

Notebook から使うカーネルを登録する場合は、次のコマンドを実行します。

uv run python3 -m ipykernel install --user --name deep-learning-from-scratch --display-name "Python (uv: deep-learning-from-scratch)"

Conda を使いたい場合は、互換用に残している environment.yml から環境を作成できます。

conda env create -f environment.yml
conda activate dezero

Pythonスクリプトの実行方法

各章のフォルダへ移動して、python3 コマンドで実行します。

cd ch01
uv run python3 man.py

cd ../ch05
uv run python3 train_neuralnet.py

MNIST などのデータセットは、必要に応じて dataset 配下のコードから自動で取得されます。

Notebookの実行方法

リポジトリのルートディレクトリで Jupyter を起動します。

uv run jupyter notebook

JupyterLab を使う場合は、次のコマンドで起動できます。

uv run jupyter lab

起動後、ブラウザから次のどちらかを開きます。

• notebooks/: 公式サンプルコードを Notebook で確認したい場合
• my_notebooks/: 追加した学習ノートを確認したい場合

my_notebooks には、章ごとの内容を自分で確認し直すための Notebook や補足用のファイルがあります。公式コードを参照しながら、途中式、図解、実験結果を確認できるようにしています。

クラウドサービスでの実行

公式 Notebook は、次のボタンから Amazon SageMaker Studio Lab 上で実行できます。利用には事前に メールアドレスによる登録 が必要です。

フォルダ名	Amazon SageMaker Studio Lab
ch01
ch02
ch03
ch04
ch05
ch06
ch07
ch08
common

公式リポジトリ

公式リポジトリはこちらです。

https://github.com/oreilly-japan/deep-learning-from-scratch

ライセンス

公式リポジトリのソースコードは MITライセンス です。 商用・非商用問わず、自由に利用できます。

正誤表

本書の正誤情報は以下のページで公開されています。

https://github.com/oreilly-japan/deep-learning-from-scratch/wiki/errata

本ページに掲載されていない誤植など間違いを見つけた場合は、japan@oreilly.co.jp までお知らせください。