第
3
回 レポート課題（提出方法） ユニパから提出
• プロファイル-> 課題提出のようなメニューがあるはず
• アップロードしたファイルをダウンロードして、適切に提出できているか“必ず”確認しておくこと！
• 提出するファイルは、下記の2つのファイルを固めたzipファイル
• 後述の課題内容を含んだ.ipynbファイル
• 上記をエクスポートした.pdfファイル（印刷でPDFに出力）
これらのファイル名の決め方は後述（第2回レポートと同じ）
• 締切は「2019/02/11 23時59分59秒」！ （締切を過ぎたら受け付けない！）
(
課題)
講義で解説した15_lenet.ipynbでは、mnistという最も基本的なデータ（手書き文字の画像）を分類 するモデルを学習し精度を評価したが、cifar10という画像データ（airplane, automobileといった 物体が映った画像）を分類するモデルを学習し精度を報告せよ。cifar10のデータは、学習事例が 60000枚の画像、テスト事例が10000枚の画像で、各画像のサイズは縦32x横32ピクセルである。
第2回レポート課題と同様に、ランキングを出すので、次ページに示す学習事例とテスト事例 の設定は必ず守ること！（守らなければゼロ点）
さらに、第2回レポート課題と同様、zipに固める2つのファイルの名前は、下記のように決めること
<学籍番号>_<自分オリジナルのモデルの名前>_<精度>.ipynb （or .pdf）
例えば、学籍番号が1810370888、モデル名がShiraNet、精度が85.012%なら、
1810370888_ShiraNet_85.02.ipynbと1810370888_ShiraNet_85.012.pdfとなる（精度は小数点以下 3桁まで）。モデルの名前は自由だが、名前をつけたくない、もしくは公開するランキングで自分と 特定されたくない場合はXXXとする。
（学習事例とテスト事例の設定）
必ず、下記の方法で、学習事例とテスト事例を設定すること！
（NB_CLASSESは10（MINISTと同じ））
（その他のルール）
• 15_lenet.ipynbの入力を適切に変更すれば、とりあえずの精度は出せるはず。
ただし、今回は、モデルの構造によって、結構、精度差が出るはず。
• （必ず行うこと！）15_lenet.ipynbの
np.random.seed(1671) # for reproducibility という行は消すか、コメントアウトしておくこと！
• 事前学習を用いなければ、何をやってもOK！（つまり、必ずモデルは一から学習すること！）
• GPUを使っても構わないが、その際は、使用したGPUのスペックを記載すること！
（このレポート課題で問うていること）
たたみ込みニューラルネットワークを適切に理解、実装、評価することができているか？
このレポートに“完全な正解”はない。自分の思うやり方で、自由にレポートを作成すればいい！
みなさんの分類精度報告を楽しみにしています！ちなみに、教科書レベルの本で約76%の精度 を出す方法が書かれています。また、2018年6月の時点での世界最高は96.53%のようです。
今回のレポートの配点は100点中の40点で、上位5位以内のネットワークを作った学生には、
ボーナスとして、レポート点数を+10点加点！順位が悪いからといって減点することはない！
（いくつかの減点対象の例）
• コードが動かない
• 構築したモデルに関する説明が不足している。モデルの構造（層の種類や活性化関数など）、
コスト関数、学習（最適化）方法など、丁寧にきっちり説明すること！
（このこともあり、15_lenet.ipynbのテキスト量を減らしている）
• 他人と結果の数値が全く同じ、かつ文章やコードも酷似（勝手にカンニングとみなす）。特に、
莫大な数のパラメータの最適化（初期値はランダム）で、全く同じ精度が得られることはない！
• 感想を書いている（「～ができてよかった。」、「頑張りたいと思う」などは、理系の文書では一切不要）
（その他）
質問があれば、以下のようなアプローチが可能である。
• 白浜（[email protected]）までメールする
• 白浜までメールしてアポイントメントをとる、
• オフィスアワー（木曜日3,4限）にN302に来る
あと、白浜研のメンバーに聞く のも有効だと思われる
