メインコンテンツへスキップ

6 深層学習と Transformer 基礎

深層学習と Transformer のメインビジュアル

第 6 章の目的は 1 つです。モデルが損失、勾配、反復する学習ステップによってどう学ぶのかを理解することです。

まず学習ループを見る​

深層学習トレーニングループのメイン図

先に図を見てください。深層学習の学習コードの多くは、この流れです。

batch データ -> モデル forward -> loss -> 勾配 backward -> optimizer step -> 曲線

最初から大きなモデルを追わないでください。まず小さなモデルを学習させ、何が起きたかを記録し、なぜ改善または失敗したかを説明します。

学習順序とタスクリスト​

この表を、本章の学習ガイド兼タスクリストとして使います。

ページ手を動かすこと残す証拠
6.1 ニューラルネットワーク基礎ニューロン、活性化、forward/backward、optimizer、正則化、初期化を理解する手書きの学習ループ説明
6.2 PyTorchtensor、autograd、nn.Module、Dataset、DataLoader、最小学習ループを練習する実行できる PyTorch スクリプト
6.3 CNN画像分類でデータ形状、畳み込み、プーリング、転移学習をつなげるshape メモと画像分類の実行結果
6.4 RNN系列データに記憶が必要な理由、LSTM/GRU が Transformer 前に解いた問題を理解する系列モデルメモ
6.5 TransformerQuery、Key、Value、self-attention、位置エンコーディング、Transformer block を学ぶattention の入出力図
6.1.8 任意の深層学習史主な学習ループを理解してから、backprop、CNN、RNN、Attention、Transformer がなぜ現れたかを読む「この構造がある理由」のメモ
6.6 生成モデル と 6.7 学習テクニック学習ループが安定してから拡張として扱うチューニングまたは診断メモ
6.8 プロジェクト と 6.8.5 ワークショップ画像、感情分析、生成プロジェクトの前に PyTorch 証拠パックを作るログ、曲線、checkpoint、shape trace、README

本章でよく使う用語：

用語意味
tensorPyTorch が使う多次元配列
forwardデータがモデルを通り、予測を作る流れ
loss予測誤差を測る数値
backwardloss から勾配を計算すること
optimizer勾配を使ってパラメータを更新するもの
epoch学習データ全体を 1 回見ること
batch一度に処理する小さなサンプル群

最初の実行ループ​

PyTorch がなければ公式セレクタで先にインストールします。PyTorch が使える状態で、次の小さな学習ループを実行してください。

import torch
from torch import nn

torch.manual_seed(42)
x = torch.tensor([[0.0], [1.0], [2.0], [3.0]])
y = torch.tensor([[0.0], [2.0], [4.0], [6.0]])

model = nn.Linear(1, 1)
loss_fn = nn.MSELoss()
optimizer = torch.optim.SGD(model.parameters(), lr=0.1)

for epoch in range(20):
    pred = model(x)
    loss = loss_fn(pred, y)
    optimizer.zero_grad()
    loss.backward()
    optimizer.step()
    if epoch in {0, 1, 5, 19}:
        print(epoch, round(loss.item(), 4))

期待される形：

0 ...
1 ...
5 ...
19 ...

具体的な数値は環境で変わることがありますが、loss はおおむね下がるはずです。下がれば、学習ループが動いていることを確認できています。

よくある失敗​

症状最初に確認することよくある修正
shape mismatch入力 shape、batch 次元、出力クラス数各層で tensor shape を表示する
loss が下がらない学習率、ラベル、正規化、損失関数まず小さな batch を過学習できるか試す
学習は良いが検証が悪い過学習またはデータ分割の問題検証曲線、データ拡張、正則化、early stopping を使う
メモリ不足batch サイズ、画像サイズ、モデルサイズbatch/解像度を下げる、軽いモデルにする
Transformer が抽象的Q/K/V と系列長コード前に attention 表を描く

通過チェック​

次の 5 つに答えられたら、第 7 章へ進めます。

  • forward、loss.backward()、optimizer.step() はそれぞれ何をしますか？
  • Dataset と DataLoader はそれぞれ何を解決しますか？
  • 学習曲線と検証曲線は、過学習をどう示しますか？
  • Attention はなぜ文脈を扱えますか？
  • Transformer は後の大規模モデルとどうつながりますか？

印刷用のチェックリストが必要なときは、6.0 学習ガイドとタスクリスト を使ってください。後の LLM、RAG、多モーダルモデルは、すべてこの表現学習の考え方の上にあります。