著者プロフィール

訳者プロフィール

•  下記URLでサンプルコードが公開されています。

  ただし、.ipynbファイルと.pyファイルのうち、
  基本的には.pyファイルが更新されているようです。
   
  https://github.com/nfmcclure/tensorflow_cookbook
   

誤記のためにご迷惑をおかけし、誠に申し訳ございません。

• 17ページ 1.7節の「方法」。最初の網掛けコード
  • [誤]
    import tensorflow.nn as nn
  • [正]
    from tensorflow import nn as nn
  • 【 第2刷にて修正 】
• 82ページ 3.7節（Recipe 22）の方法「2.」のコード2行目末尾付近
  • [誤]
    heavyside_step = tf.truediv(1., tf.add(1., tf.exp(tf.multiply(-100.,
  • [正]
    heavyside_step = tf.truediv(1., tf.add(1., tf.exp(tf.multiply(-50.,
  • 【 第3刷にて修正 】
• 87ページ 3.9節（Recipe 24）の方法「1.」のコード4行目以降
  • [誤]
    import requests
    from tensorflow.python.framework import ops
    ops.reset_default_graph()
    sess = tf.Session()
    
  • [正]
    import requests
    import os.path
    import csv
    from tensorflow.python.framework import ops
    
    ops.reset_default_graph()
    sess = tf.Session()
    
    birth_weight_file = 'birth_weight.csv'
    
  • 【 第3刷にて修正 】
• 87ページ 3.9節（Recipe 24）の方法「2.」のコードの12-13行目
  • [誤]
    　　　　writer = csv.writer(f)
    　　　　writer.writerows(birth_data)
  • [正]
    　　　　writer = csv.writer(f)
    　　　　writer.writerow(birth_header)
    　　　　writer.writerows(birth_data)
  • 【 第3刷にて修正 】
• 88ページ 3.9節（Recipe 24）。「方法」の「2.」のコードのうち、下から1行目と3行目
  • [誤]
    y_vals = np.array([x[1] for x in birth_data])
    x_vals = np.array([x[2:9] for x in birth_data])
  • [正]
    y_vals = np.array([x[0] for x in birth_data])
    x_vals = np.array([x[1:8] for x in birth_data])
    
  • 備考：

    スクリプトの内容全体が日本語版の発売後に変更されたようです。原著GitHubにある新しい.pyファイルは問題なく動作しています（2017/11/30）。

  • 【 第3刷にて修正 】
• 90ページ 図3-11と図3-12
  • [誤]
    （下記の画像に差し替え）
  • [正]
    
  • 
  • 【 第3刷にて修正 】
• 117ページ 4.6節（Recipe 29）、方法「4.」のコード1～4行目（3・4行目を削除）
  • [誤]
    # ガウス（RBF）カーネル
    gamma = tf.constant(-10.0)
    dist = tf.reduce_sum(tf.square(x_data), 1)
    dist = tf.reshape(dist, [-1,1])
    
  • [正]
    # ガウス（RBF）カーネル
    gamma = tf.constant(-10.0)
    
  • 【 第3刷にて修正 】
• 143ページ 5.6節（Recipe 34）、方法「10.」のコード末尾
  • [誤]
    （末尾に下記のコードを追加）
  • [正]
    plt.show()
    
  • 【 第3刷にて修正 】
• 156ページ 6.4節の「7.」 の3文目
  • [誤]
    ここでは、5つのノードを持つ隠れ層を指定している。
  • [正]
    ここでは、10個のノードを持つ隠れ層を指定している。
  • 【 第2刷にて修正 】
• 156ページ 6.4節の「7. 」のコードの1行目
  • [誤]
    hidden_layer_nodes = 5
  • [正]
    hidden_layer_nodes = 10
  • 【 第2刷にて修正 】
• 157ページ 6.4節の「8. 」直前のnotes囲み記事
  • [誤]
    「隠れ層の5つのノード」を経て、
  • [正]
    「隠れ層の10個のノード」を経て、
  • 【 第2刷にて修正 】
• 167ページ 6.6節（Recipe 39）、方法「2.」のコード先頭
  • [誤]
    （コードの先頭に下記1行を追加）
  • [正]
    birth_weight_file = 'birth_weight.csv'
  • 【 第3刷にて修正 】
• 168ページ 6.6節（Recipe 39）、方法「3.」の本文とコード
  • [誤]
    グラフセッションを開始し、結果を再現可能にするためにNumPyとTensorFlowの乱数シードを設定した後、バッチサイズを指定する。
    
    sess = tf.Session()
    
    seed = 3
    tf.set_random_seed(seed)
    np.random.seed(seed)
    
    batch_size = 100
    
  • [正]
    グラフセッションを開始する。バッチサイズを指定し、結果を再現可能にするためにNumPyとTensorFlowの乱数シードを設定する。
    
    sess = tf.Session()
    batch_size = 100
    # 結果を再現可能にする
    seed = 3
    tf.set_random_seed(seed)
    np.random.seed(seed)
    
  • 【 第3刷にて修正 】
• 173ページ 6.7節（Recipe 40）、方法「2.」のコード先頭
  • [誤]
    （コードの先頭に下記1行を追加）
  • [正]
    birth_weight_file = 'birth_weight.csv'
  • 【 第3刷にて修正 】
• 174ページ 6.7節（Recipe 40）、方法「2.」のコード23～26行目
  • [誤]
    # 目的変数を抽出
    y_vals = np.array([x[1] for x in birth_data])
    # 説明変数を抽出
    x_vals = np.array([x[2:9] for x in birth_data])
  • [正]
    y_vals = np.array([x[0] for x in birth_data]) # 目的変数を抽出
    x_vals = np.array([x[1:8] for x in birth_data]) # 説明変数を抽出
  • 【 第3刷にて修正 】
• 179ページ 6.8節（Recipe 41）、方法「1.」のコード
  • [誤]
    （3行目の後に下記1行を追加）
  • [正]
    import random
  • 【 第3刷にて修正 】
• 193ページ 7.2節（Recipe 42）、方法「11.」のコード2行目
  • [誤]
    x_col_sums = tf.reduce_s9um(x_embed, 0)
  • [正]
    x_col_sums = tf.reduce_sum(x_embed, 0)
  • 【 第3刷にて修正 】
• 206ページ 7.4節（Recipe 44）、方法「4.」のコード14～15行目
  • [誤]
    　　　　with open(os.path.join(save_folder_name,
    　　　　　　　　　　　　　　　 'temp_movie_review_temp.tar.gz'), 'wb') as f:
  • [正]
    　　　　with open('temp_movie_review_temp.tar.gz'), 'wb') as f:
  • 【 第3刷にて修正 】
• 251ページ 8.3節（Recipe 49）、方法「9.」のコード8～9行目（行頭位置）
  • [誤]
    　　# バッチサイズ全体の平均損失値を計算
    　　　　cross_entropy_mean = tf.reduce_mean(cross_entropy,
    　　　　　　　　　　　　　　　　　　　　　　name='cross_entropy')
    
  • [正]
    　　# バッチサイズ全体の平均損失値を計算
    　　cross_entropy_mean = tf.reduce_mean(cross_entropy,
    　　　　　　　　　　　　　　　　　　　　name='cross_entropy')
    
  • 【 第3刷にて修正 】
• 255ページ 8.4節（Recipe 50）
  • [誤]
    このレシピはTensorFlowのチュートリアルモデルに基づいていました（このチュートリアルは、翻訳時点で提供されていました）。現時点（2017/11/30）では、TensorFlowのGitHubから削除されているため、このレシピは動作しないようです。代わりに、新しくTF_Slim（TensorFlow-Slim）というチュートリアルが提供されていますが、マシンにGPUが搭載されていないと動作しません。また、設定がかなり微妙で、多くの環境で動作しないことが報告されています。
    （2018/3/30追記）機械学習モデルの再トレーニングに関しては、TensorFlowより別のチュートリアルが公開されています。
    https://codelabs.developers.google.com/codelabs/tensorflow-for-poets/
    https://github.com/tensorflow/models/tree/master/research/slim
    
  • [正]
    
• 265ページ 8.5節（Recipe 51）、方法「20.」の末尾の出力結果
  • [誤]
    Generation 100 out of 1000, loss: 197868048.0
    Generation 200 out of 1000, loss: 105772656.0
    Generation 300 out of 1000, loss: 73410864.0
    Generation 400 out of 1000, loss: 57265060.0
    Generation 500 out of 1000, loss: 47589056.0
    Generation 600 out of 1000, loss: 41183492.0
    Generation 700 out of 1000, loss: 36635288.0
    Generation 800 out of 1000, loss: 33242754.0
    Generation 900 out of 1000, loss: 30612820.0
    Generation 1000 out of 1000, loss: 28516306.0
    
  • [正]
    Generation 250 out of 5000, loss: 87071120.0
    Generation 500 out of 5000, loss: 48434132.0
    Generation 750 out of 5000, loss: 35496740.0
    ...
    Generation 3500 out of 5000, loss: 13053059.0
    Generation 3750 out of 5000, loss: 12472622.0
    Generation 4000 out of 5000, loss: 11951470.0
    Generation 4250 out of 5000, loss: 11481477.0
    Generation 4500 out of 5000, loss: 11056594.0
    Generation 4750 out of 5000, loss: 10671293.0
    Generation 5000 out of 5000, loss: 10321217.0
    
  • 【 第3刷にて修正 】
• 271ページ 8.6節（Recipe 52）、方法「13.」のコード最終行
  • [誤]
    　　sess.close()
  • [正]
    　　#plt.show() # 変換後の画像を表示する場合はコメントを解除
    　　
    　　sess.close()
    
  • 【 第3刷にて修正 】
• 279ページ 9.2節（Recipe 53）、方法「12.」のコード最終行
  • [誤]
    logits_out = tf.nn.softmax(tf.matmul(last, weight) + bias)
  • [正]
    logits_out = tf.matmul(last, weight) + bias
  • 【 第3刷にて修正 】
• 286ページ 9.3節（Recipe 54）、方法「8.」のコード4～6行目
  • [誤]
    　　def __init__(self, rnn_size, batch_size, learning_rate,
    　　　　　　　　 training_seq_len, vocab_size, infer_sample=False):
    　　　　self.rnn_size = rnn_size
  • [正]
    　　def __init__(self, embedding_size, rnn_size, batch_size, learning_rate,
    　　　　　　　　 training_seq_len, vocab_size, infer_sample=False):
    　　　　self.embedding_size = embedding_size
    　　　　self.rnn_size = rnn_size
    
  • 【 第3刷にて修正 】
• 292ページ 9.4節（Recipe 55）ページ下の脚注内に追加
  • [誤]
    （以下の文を脚注※7に追加）
  • [正]
    TensorFlow 1.5では、「Could not flatten dictionary key」というエラーになることがある。TensorFlow 1.4にダウングレードすれば、このエラーは発生しなくなる。
  • 【 第3刷にて修正 】
• 296ページ 9.5節（Recipe 56）脚注※10を差し替え
  • [誤]
    このレシピはTensorFlowのチュートリアルモデルに基づいており、翻訳時点では動作していました。しかし、現時点（2017/11/30）では、こちらの検証環境において、TensorFlowのSequence-to-Sequenceモデルのseq2seq_model.pyの中でエラーになり、動作しなくなっています。これらのスクリプトは8か月前から変更されていないため、TensorFlowの新バージョンが影響している可能性があります。その場合は、チュートリアルモデルの更新を待つ必要があります。
    （2018/3/31追記。3刷の脚注※10に次の内容を掲載）このseq2seqモデルとユーティリティは、削除されています。また、Sequence-to-Sequenceモデルの新しいチュートリアルが提供されています。
    https://github.com/tensorflow/nmt/
    
  • [正]
    
  • 【 第3刷にて修正 】
• 332ページ 11.2節（Recipe 63）の「方法」の「2.」にあるコード最終行
  • [誤]
    summary_writer = tf.train.FileWriter('tensorboard', tf.get_default_graph())
  • [正]
    summary_writer = tf.summary.FileWriter("tensorboard", tf.get_default_graph())
  • 備考：

     原著GitHubのコード（.py）の当該部分は正しいものになっています。

  • 【 第3刷にて修正 】

書籍の内容に関するお問い合わせはこちら。お答えできるのは本書に記載の内容に関することに限ります。

お問い合わせフォーム