意図しないフラッシュバック(わるすぎる)

木曜日です。


熱が下がらず完全に終わっていました。

病の院案件でしたが今日は休みだったので明日行くことに。

意図しないタイミングで有給ゲージが3ポイントも減ってしまったのでこの人生は終わりです。

そういえば太古の時代に、連続で何日も有給を取らないといけない事情があったときにえらい人から「君が何日も休んだことで私は不快になったから私を気持ちよくしてくれ(意訳)」と言われた事件があって、それがフラッシュバックして死にたくなりました。

フラッシュバックはわるい・・・。

体調が悪化するとうっかり人間エミュレータの起動に失敗して怒られがあるので危険です。体調がわるいときはとにかく人と会うべきではない。しかし病の院には行かねばならないのです。悲しい。


気分が沈んでだめだったのでアフ!と盾の勇者を見ました(盾の勇者は気分が沈んだ時に見るようなアニメではない)。


以上です。

人生、終わりたすぎる。

熱があり、無限に横になっていた

水曜日です。


日記やツイッターで体調の悪さに関するフラグを立てたら、無事回収されました。

ようするに風邪をひいた模様です。

失意の有給を発動し無限に横になっていました。病はわるい・・・。

熱が下がらないので明日も失意の有給の予定です(極めてわるい)。

中妹の安眠効果おそるべし

火曜日です。


中妹効果で安眠成功し、おだやかに起床しました(つよい)。

出社したところ、謎のバグが発生していて厳しい気持ちになりました。

そういうわけでデバッグ労、会議労をやりました。

結局デバッグに成功しないまま気力が尽き果て、糖分をやらざるを得ませんでした。

また、微妙な喉の痛さもありだめでした。人体、あまりにもよわい。

そうこうしているうちにピアノレッスンの時間になったので早め退勤(a. k. a. 体感金曜日)。


レッスンでは体調が最悪であるにも関わらず、一定の進捗があり褒められがありました。

体調が悪い時の成果は真の実力であるといってよく、いつのまにやら "力" を身につけていたことが明らかになりました。

よい。


帰りの電車では百錬の覇王18巻を読み終えました。ベリーグッドちやほや巻だった。

帰宅後はGガンダムを見ました。

時間が微妙になったので中妹は見ずに寝ます。

安眠が約束されたようなもの

月曜日です。


昨晩日記を書いた後、ふと思い立って「この中に1人、妹がいる!」の1話を久しぶりに視聴しました。

このアニメは登場人物が総じて何も考えていなかったり、設定がガバガバだったり、突然性がぶちこまれてきたりと、効率的に脳を溶かす仕組みが随所に散りばめられています。

そのような作品を寝る前に摂取したことで、いい具合に脳が溶け社会への不安を忘れることができました。

その結果、すばらしい安眠を得ることができました。


そんなわけで穏やかに起床し、出社。

調査労、設計労、会議労、開発労などをやり圧倒的成果を出しました(つよい)。

無限に労をしたのでさすがに糖分まったなしでしたが、体重の増加を避けるために鋼の精神で自重しました(つよい)。


帰りの電車では百錬18巻を読み進めました。ちやほやの高まりがすごい。

帰宅後は、今日も中妹(2話)を服用しました。

これで安眠が約束されたようなものです。以上です。

休が去り、休が来るまで労をやる

日曜日です。


今日は普通に起床できました(よい)。

Clean Architectureを読み、読み終えました。わりと虚無の書だったように思われます。

その後はピアノ。

そしてジオウとSTPを視聴しました。


他は無限にDQ6

特筆すべきこともなく1日が終わり、そしてふたたび5労がはじまるのです・・・。

寝すぎたし、太っていたし、もうだめだ・・・

土曜日です。


10時間寝ました(寝すぎた)。

性っぽい夢を見ており、気分がよかった模様です。

そのまま永遠に目覚めなければよかったのですが。


さらに起床して体重を計測すると、微妙に体重が増加していました。

たいへん、わるい。

近年、社のマネーで無限に肉を食べたり、社のマネーでカツを食べたりしたので、それがよくなかったのでしょう。

なんとかしなければ・・・。


ともかく予定が狂ったので慌ててピアノをやりました(定型的な行動を好むのは達っぽい)。

しかし時間の都合でClean Architectureは読めませんでした。


その後、先日submitしたと思っていたkaggleくんがsubmitされていなかったことに気づきました。

失意の(submit方法の)調査労。submit、むずかしい(ツールに極めてよわい)。

なんとか方法がわかったので今度こそsubmitし、その勢いに乗ってdeep本の復習労をやりました。6章が終わった(よい)!


それ以外の時間は無限にDQ6。主人公が実体を取り戻すところまで進みました。楽しい・・・。

(人生のわるさから目をそらすために)寝ます。

Deep Learning(An MIT Press book) 6.5.10 - 6.6

Deep Learning(An MIT Press book) の要点メモシリーズ。

Chapter 6 Deep Feedforward Networks

6.5 Back-Propagation and Other Differentiation Algorithms

6.5.9 Higher-Order Derivatives

  • Theano, Tensorflow は高次の微分をサポートしている
    • 数式微分を使っている(?)
  • 深層学習の文脈では Hessian の微分に興味がある
    • パラメータが10億とかあるので Hessian の計算が難しい
    • Krylov 法を使う
  • Hessian の計算は推奨されないが、 Hessian と vector の積は計算できる場合がある
    • Hessian と one-hot vector の積など

6.6 Historical Notes

  • 近年のNNの改善には2つの要素がある
    • 大きなデータセットによって汎化しないといけない自由度が減った
    • 計算機が強力になったので大きなネットワークを使えるようになった
  • 加えて、少数のアルゴリズム的な改善があった
    • 損失関数をMSEから cross-entropy にしたことで sigmoid や sofmax のパフォーマンスが上がった
    • 隠れユニットを sigmoid から部分線形なもの(cf. ReLU)に変えた
      • ネットワークが小さいときは sigmoid のほうが有効だった