機械学習に取り組んでいるとプログラミング量が爆発的に増える気がする．最終的に使えるか使えないかわからないけど，とにかく書いて動かしてみないと何もわからないのでコードがどんどん増えていく．こういうものなのだと割り切ってよいのか，コツを掴めていないのか，センスが育っていないのか．CourseraのMachineLearningを解いているときはこんなことなかったので，やっぱり綺麗にお膳立てされた環境だったのだなとつくづく思う．自分でモデルを組み立てるときは教科書などないので試行錯誤をくり返す．試行錯誤したくてもデータが手元になかったり，あったとしても汚かったりと色々大変．そしてやっぱりMNISTは素晴らしくきれいだと気付く．データの仕組みもシンプルなので画像を扱う系の学習ネットワークの検算に使いやすくてありがたい．いまはTensorFlowを使っているので，付録に付いてくるTensorBoard上のGraphを眺めて，Operation同士が変な繋がり方していないか確認しながら書いている．よくわからないものに立ち向かうときに敵がある程度可視化されてるいのは大変重要．動かしてみて上手くいかなかった (予想に反する挙動 / 結果が得られた) ときは，自分の予想 (期待) が何だったのかも含めてScrapboxにメモしておくと後の考察に役立つ．
