1-03　まずは普通にPythonで実行 ●ニューラルネットワークとは 　図1-06にニューラルネットワークの一例を示します。「重み」を表す行列がW(1)〜W(3)まで3つあります。また「バイアス」と呼ばれる配列がb(1)〜b(3)まで3つあります。それらは同図の下部ような形状になります。 　入力Xは２つあり、それらは重み、バイアスと積和演算がとられ、その後シグモイド関数（ここを参照）にかけられます。 　その後は同図のように第1層〜第3層まで3段階の積和演算を経て終了です。出力Yは2つになります。 ■MNISTを使った3層ニューラルネットワーク 　この書籍の77ページにneuralnet_mnist.pyというPythonプログラムがあります。3層ニューラルネットワークで、形状は図1-07のようになります。図1-06の例と比べると積和演算の量が格段に増えます。まずはこのプログラムのハードウエア化を進めたいと思います。 　このプログラムでは「MNIST」と呼ばれる画像データセットを使用します。図1-08にその一部を示します。画素は28x28であり、それらを一列に並べた784画素からなる配列が入力Xになります。 　図1-08　MNISTのテスト画像（最初の3つ、それぞれ28×28画素） ●正解率は書籍（77ページ）どおり93.52％ 　MNISTのテスト画像は10,000枚あり、それらすべてをこのニューラルネットワークにかけて推論します。図1-09はその実行結果で、正解率（Accuracy）は0.9352（93.52％）になります。なお、Pythonの実行環境としてAnacondaのJupyter Labを使用しました。 　図1-09　実行結果（小数で計算） ●10,000枚の推論に1秒程度かかる？ 　私はWindowsパソコンにAnacondaのJupyter LabをインストールしてPythonを走らせていますが、テスト画像10,000枚の推論に1秒程度かかるようです。皆さんの環境ではどうでしょうか。 目次へ戻る