サルでもわかる機械学習

Chainer2でMNIST目次
Chainer2プログラミングの全体図

1. (1)Chainer2を使用するためのimport文
2. (2)データの準備・設定(Chainer)
3. (3)モデルの記述(Chainer)
4. (4)モデルと最適化アルゴリズムの設定(Chainer)
5. (5)学習と結果の出力(Chainer)
6. (6)学習結果のパラメータの保存(Chainer)　⇐ いまココ
7. (7)推測(Chainer)

#6 学習結果のパラメータの保存
# Save paramaters
chainer.serializers.save_npz('my_mnist.model', model)

Windows 8.1
Anaconda
Python 3.5
Chainer 2.0

Chainerのインストール方法はChainer2.0をWindowsにインストールをご覧下さい。

このページは、(5)学習と結果の出力(Chainer)の続きであり、今回は、学習結果のパラメータの保存を行っていきます。

(5)学習と結果の出力(Chainer)終了時の、以下のような状態から始めます。

以下のコードを入力して、Shift + Enterを押します。

#6 結果の出力
ok = 0
for i in range(len(test)):
    x = Variable(np.array([ test[i][0] ], dtype=np.float32))
    t = test[i][1]
    out = model.fwd(x)
    ans = np.argmax(out.data)
    if (ans == t):
        ok += 1
        
print((ok * 1.0)/len(test))

すると、以下のような画面になります。

精度は96.6％との結果でした。

次に、この学習したモデルのパラメータを、「my_mnist.model」という名前で保存します。

#6.2 学習結果のパラメータ保存
chainer.serializers.save_npz('my_mnist.model', model) 

すると、MNIST_MLP.ipynbと同じフォルダ（今回は、C:/py/chainer/MNIST_MLP/　フォルダ）に、「my_mnist.model」という名前のファイルが保存されます。次回、このモデルのパラメータを読み込んで、推測を行います。

次は、(7)推測へ進んでください。

Chainer: ビギナー向けチュートリアル Vol.1 mitmul 2017年05月18日に更新 https://qiita.com/mitmul/items/eccf4e0a84cb784ba84a

Chainer2に関しては、以下の本がかなりおすすめです。

Deep Learningについての理論については、以下の本が超お勧めです。

次 (7)推測(Chainer)

前 (5)学習と結果の出力(Chainer)

Chainer2でMNIST目次
Chainer2プログラミングの全体図

1. (1)Chainer2を使用するためのimport文
2. (2)データの準備・設定(Chainer)
3. (3)モデルの記述(Chainer)
4. (4)モデルと最適化アルゴリズムの設定(Chainer)
5. (5)学習と結果の出力(Chainer)
6. (6)学習結果のパラメータの保存(Chainer)　⇐ いまココ
7. (7)推測(Chainer)