C'est la fin d'année et le nouvel an! Écrivons le code! J'ai donc tenté le défi de «faire l'apprentissage profond à partir de zéro avec Haskell».

Pourquoi utiliser Haskell?

Haskell est cool, non?
Cela n'a pas bon goût si vous suivez simplement le livre
Il semble y avoir fusion, et même dans le domaine du Deep Learning où l'efficacité du calcul est susceptible d'être requise, Haskell est en fait N'est-ce pas approprié? Je voulais vérifier que

Conclusion

** Échec. Haskell n'était pas assez fort **

Je vais vous donner le code que j'ai écrit avec le sentiment que je peux surmonter mon cadavre. https://github.com/spinylobster/my-deep-learning-from-scratch-in-haskell ~~ Les progrès ne sont pas bons du tout, j'ai écrit le raisonnement et l'apprentissage du réseau neuronal, mais je n'ai pas confirmé l'apprentissage réel Puisque la méthode de propagation de retour d'erreur n'a pas été implémentée, on a l'impression qu'elle se trouve au milieu du chapitre 4 ~~

Ajout 2017/1/9: Un peu avancé, l'état où l'apprentissage du réseau neuronal s'est achevé J'implémente également AdaGrad, donc j'ai l'impression que c'est au milieu du chapitre 6 * La puissance de Haskell est faible, donc le code est compliqué et il ne suit pas le code du livre, mais cela peut être une référence lors de l'utilisation de diverses bibliothèques

Ce que tu penses est la cause

J'ai passé trop de temps à étudier Haskell
Réapprendre les connaissances oubliées, comment utiliser Stack, le convertisseur monade, la sérialisation des données, etc.
À l'origine, j'ai fait Wow H book il y a quelques années.
J'ai passé beaucoup de temps à comprendre comment utiliser Gnuplot
J'avais un calcul qui devait avoir un état, mais je ne savais pas l'écrire
~~ Le calcul de la matrice n'est pas sûr et j'ai souffert d'erreurs d'exécution ~~ -> ** type Il semble qu'un calcul sûr soit possible! **
Très difficile de déboguer l'état de fonctionnement dans Haskell

Ce que j'ai utilisé

Stack - Sans cela, vous pouvez installer chaque paquet.
Haskell Super Primer - Pour se souvenir de la grammaire de base
HMatrix - L'équivalent de NumPy. Calcul matriciel. Il semble y avoir Repa, et j'ai prévu de comparer les performances plus tard.
Gnuplot - Équivalent à matplotlib. Dessiner un graphique. Pour comprendre comment l'utiliser, il est rapide de voir ici
Débogueur GHCi - J'ai d'abord appris son existence. L'évaluation des délais et le débogueur semblent incompatibles. C'était vraiment difficile à utiliser
Autres bibliothèques - voir le fichier cabal

Impressions du livre

** Insanely good ** Facile à comprendre
Il couvre tout, de l'introduction au réseau neuronal à ce que vous devriez apprendre à l'avenir. ** Je pense qu'il n'y a pas de meilleur livre d'introduction **
Cependant, je ne comprends pas vraiment l'essentiel du deep learning.
Je ne comprends pas l'intention de conception de la couche de convolution CNN
Je pense qu'il est possible que je ne l'ai pas écrit moi-même
Je veux le comprendre avec d'autres matériaux

URL utile

Préparez l'environnement Haskell avec VS Code
http://qiita.com/DUxCA/items/8e7a68ffee522bdd8918
Installez gnuplot sur Mac
http://mashiroyuya.hatenablog.com/entry/installgnuplot
Utilisez gnuplot de Haskell
http://d.hatena.ne.jp/mmitou/20120912/1347441319
Comprendre comment utiliser hMatrix
https://github.com/albertoruiz/hmatrix/tree/master/examples
Vous pouvez utiliser + - * / pour les calculs élément par élément
La carte de la matrice est cmap Je pense qu'il y a des moments où des émissions telles que * matrix * 2 peuvent être faites et des moments où elles ne le peuvent pas. je ne suis pas sûr
Impressions de la bibliothèque Haskell 2016
http://syocy.hatenablog.com/entry/haskell-library-2016
Programmation au niveau du type avec Haskell
http://konn-san.com/articles/2012-06-07-promoted-types-and-list-arguments.html