本サイトで公開しているKeras×CNN実験記事を分野別にまとめました。 深層学習を体系的に理解したい人向けのハブページです。
📚 目次
① CNNの基礎理解
- Dense層って何？畳み込みとの違いを解説
- 【Keras】最大値プーリング（MaxPooling）vs 平均値プーリング（AveragePooling）の違いを実験で比較
- Activation関数比較：ReLU / LeakyReLU / ELU / GELU の違いとは？
- バッチサイズを変えると精度や学習効率はどう変わる？
- 損失関数とは？種類と一覧をKerasで比較【実験グラフ付き】
- Global Average Pooling vs Flatten｜CNNの最終層を実験で比較
- Kerasのmodel.summary()の読み方を徹底解説｜パラメータ数の計算方法
② Optimizer・学習率まわり
- KerasでOptimizerを比較！SGD・Adam・RMSpropの精度と学習速度を検証
- 【Keras】AdamWとは？Adamとの違いを実験で比較｜迷ったらAdamWの理由
- Kerasで学習率スケジューラ5種を徹底比較
- 学習率を変えると精度はどうなる？Keras×CNNで比較実験
- warmupあり vs なし｜学習率ウォームアップは本当に効くのか？
- Adam・AdamW・SGD・RMSpropをCIFAR-10で比較【Keras実験】
③ 過学習対策まとめ
- Dropoutの効果を比較！画像分類モデルの過学習対策
- Dropoutの割合（0.0 vs 0.2 vs 0.5）を変えると過学習はどう変わる？【Keras×CIFAR-10実験】
- 【Keras】EarlyStopping完全ガイド｜patience・monitor の選び方
- 【Keras入門】ModelCheckpointとは？ベストモデルを自動保存する方法
- 【Keras】ReduceLROnPlateau の効果を徹底検証
- 【2025年版】Loss が下がらない原因は？チェックリスト12選
- CIFAR-10で学ぶ：過学習の判定方法と実践的対策
- BatchNormalizationはDropoutと併用すべきか？4パターン比較
- 正規化方法の比較｜/255 vs BatchNormalization vs LayerNormalization【Keras×CIFAR-10】
④ 実験系コンテンツ
- CNNの層数で精度はどう変わる？1層・2層・3層モデルを比較検証
- Dense層のユニット数を変えると何が起きるか？CNNでの実験結果
- Dense層のユニット数を変えると精度はどう変わる？（32 vs 128 vs 512）【Keras×CIFAR-10実験】
- CIFAR-10の応用例と実装方法
- Grad-CAMでAIの判断根拠を可視化してみた！
- Conv2DのFilters数（32 vs 64 vs 128）を変えると精度はどう変わる？
- 【Keras】glorot_uniformとhe_normalの違いをCNNで比較
- CNNハイパーパラメータ比較まとめ【Keras×CIFAR-10】
⑤ ピンポイント検証シリーズ
「1つの要素だけ変えて実験する」シリーズ。何が精度に効くかを1記事で確認できます。
- BatchNorm vs Dropout｜4パターンを比較検証
- 重み初期化（glorot_uniform vs he_normal）の違いを検証
- Conv2DのFilters数（32 vs 64 vs 128）を検証
- 学習率ウォームアップ（warmupあり vs なし）を検証
- GlobalAveragePooling vs Flatten を検証
- MixUpの効果（あり vs なし）を検証
- CutOut / Random Erasingの効果を検証
- CutMix vs MixUp vs なし を比較検証
⑥ アーキテクチャ比較
モデル構造の選択に迷ったときに読む記事です。
- GlobalAveragePooling vs GlobalMaxPooling｜どちらが精度・過学習耐性で有利か？
- Residual接続（スキップ接続）あり vs なし｜ResNetの核心を実験で検証
- Depthwise Separable Convolution vs 通常Conv2D｜パラメータ削減で精度はどう変わる？
- Channel Attention（CBAM風）を追加すると精度は上がるか？
- Bottleneck構造あり vs なし｜1×1 Convの役割をCIFAR-10で実験検証
⑦ Google Colab環境設定
- Google ColabでPythonバージョンを確認する方法【2026年版】
- 【2026年版】Google ColabでOS・GPU・CUDAバージョンを確認する方法
- 【2026年最新】Google ColabでCUDAバージョンを確認する方法
- 【2026年版】Google ColabでGPU・TPUを使う方法｜設定・確認・トラブル対処まとめ
- Google ColabでRAMとディスク容量を確認する方法【2026年版】
おすすめの読み方
- Dense層・CNN基礎を理解する
- Optimizer・学習率の違いを学ぶ
- 過学習対策を実験で確認する
- ピンポイント検証シリーズで「1要素の効果」を確認する
- アーキテクチャ比較でモデル設計の勘所をつかむ