忘れないようにメモ - Kerasで機械学習の実験ノート

ホーム /

BatchNormalizationとは？仕組み・メリット・Kerasでの使い方を画像とコードで徹底解説！

BatchNormalization CNN Google Colab Keras バッチ正規化

Kerasで学習率スケジューラ5種を徹底比較｜精度＆収束の違いを実装・グラフ付きで解説

Google Colab Keras Learning Rate 学習率

MaxPoolingとAveragePooling、どっちが優秀？CNNで徹底比較！

AveragePooling Google Colab Keras MaxPooling MNIST

Activation関数比較：ReLU / LeakyReLU / ELU / GELU の違いとは？

Activation関数 ELU GELU Google Colab Keras LeakyReLU ReLU 活性化関数

Dense層って何？畳み込みとの違いを解説

Dense Google Colab Keras

中間層の特徴マップを可視化してみた｜Keras × CNN × MNIST

CNN Google Colab Keras 可視化 特徴マップ

【初心者向け】model.fit()とGradientTapeの違いとは？

Google Colab GradientTape Keras model.fit() 画像分類

Grad-CAMでAIの判断根拠を可視化してみた！【CNN × 可視化 × Keras】

Google Colab Grad-CAM Keras 可視化

Dropoutの効果を比較！画像分類モデルの過学習対策【Keras×CNN×MNIST】

CNN Dropout Google Colab Keras 画像分類

前の投稿

このブログを検索

ブログアーカイブ

• ▼  2025 ( 23 )
  • ▼  7月 ( 2 )
    • BatchNormalizationとは？仕組み・メリット・Kerasでの使い方を画像とコードで徹底解説！
    • Kerasで学習率スケジューラ5種を徹底比較｜精度＆収束の違いを実装・グラフ付きで解説
  • ►  6月 ( 13 )
  • ►  5月 ( 8 )

• ►  2024 ( 4 )
  • ►  2月 ( 4 )

カテゴリー

• Google Colab(27)
• Keras(24)
• 画像分類(15)
• TensorFlow(7)
• CNN(5)
• 機械学習(5)
• 転移学習(4)
• GPU(3)
• Dropout(2)
• Learning Rate(2)
• Optimizer(2)
• 可視化(2)
• 学習率(2)
• 過学習(2)
• Activation関数(1)
• Adam(1)
• AveragePooling(1)
• Batch Size(1)
• BatchNormalization(1)
• CUDA(1)
• Dense(1)
• ELU(1)
• EarlyStopping(1)
• Fine-tuning(1)
• GELU(1)
• Grad-CAM(1)
• GradientTape(1)
• Keras Tuner(1)
• LeakyReLU(1)
• MNIST(1)
• MaxPooling(1)
• MobileNetV2(1)
• NumPy(1)
• Python(1)
• RMSprop(1)
• ReLU(1)
• SGD(1)
• TPU(1)
• model.fit()(1)
• pandas(1)
• ubuntu(1)
• データ拡張(1)
• バッチサイズ(1)
• バッチ正規化(1)
• ファインチューニング(1)
• 活性化関数(1)
• 特徴マップ(1)

人気記事

• 

  Google ColabでPythonバージョンを確認する方法（2025年版）
• 

  【Google Colab】OS、GPUのバージョン確認方法と現在のバージョン(2025年5月)
• 

  【Google Colab】ハードウェアアクセラレータ（GPU、TPU）のバージョン確認方法と現在のバージョン
• 

  【Google Colab】CUDAのバージョンの確認方法と2025年5月現在のバージョンは？
• 

  手書き数字をAIに判定させてみよう【Keras×Colab】

自己紹介

SHOU TAKE

はじめまして、機械学習を独学中のSHOU TAKEと申します。本ブログでは、Python・Keras・Google Colabを活用した画像分類やニューラルネットワークの実験記事を中心に発信しています。初学者の方にも分かりやすく、学んだことをそのまま実験形式でまとめるスタイルです。これまで取り組んだテーマには、学習率やOptimizerの比較、Batch Sizeの検証、事前学習の活用などがあります。ご質問やご感想は、お問い合わせフォームからお気軽にどうぞ。

詳細プロフィールを表示

お問い合わせフォーム

名前

メール *

メッセージ *

プライバシーポリシー

• プライバシーポリシー

忘れないようにメモ - Kerasで機械学習の実験ノート

QooQ