内容へ移動
サルでもわかる機械学習
ユーザ用ツール
ログイン
サイト用ツール
検索
ツール
文書の表示
以前のリビジョン
バックリンク
最近の変更
メディアマネージャー
サイトマップ
ログイン
>
最近の変更
メディアマネージャー
サイトマップ
トレース:
6_結果の出力
この文書は読取専用です。文書のソースを閲覧することは可能ですが、変更はできません。もし変更したい場合は管理者に連絡してください。
===== (6)結果の出力と、学習結果パラメータの保存 ===== <wrap hi>Chainer2でMNIST目次</wrap>\\ [[Chainer2プログラミングの全体図]] -[[(1)Chainer2を使用するためのimport文]] -[[(2)データの準備・設定|(2)データの準備・設定(Chainer)]] -[[(3)モデルの記述|(3)モデルの記述(Chainer)]] -[[(4)モデルと最適化アルゴリズムの設定|(4)モデルと最適化アルゴリズムの設定(Chainer)]] -[[(5)学習と結果の出力(Chainer)]] -[[(6)結果の出力|(6)学習結果のパラメータの保存(Chainer)]] <wrap hi><= いまココ</wrap> -[[(7)推測|(7)推測(Chainer)]] <code> #6 学習結果のパラメータの保存 # Save paramaters chainer.serializers.save_npz('my_mnist.model', model) </code> ===== 開発環境 ===== 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。 ===== 手順 ===== ==== 0. 前回終了時の画面 ==== [[(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。 {{:pasted:20171101-164954.png}} ==== 1. 結果の出力 ==== 以下のコードを入力して、Shift + Enterを押します。 <code> #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)) </code> すると、以下のような画面になります。 {{:pasted:20171101-165250.png}} 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。 <code> #6.2 学習結果のパラメータ保存 chainer.serializers.save_npz('my_mnist.model', model) </code> {{:pasted:20171101-165650.png}} 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。 {{:pasted:20171101-165837.png}} 次は、[[(7)推測]]へ進んでください。 ===== 参考文献 ===== 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。 <html> <iframe style="width:120px;height:240px;" marginwidth="0" marginheight="0" scrolling="no" frameborder="0" src="//rcm-fe.amazon-adsystem.com/e/cm?lt1=_blank&bc1=000000&IS2=1&bg1=FFFFFF&fc1=000000&lc1=0000FF&t=twosquirrel-22&o=9&p=8&l=as4&m=amazon&f=ifr&ref=as_ss_li_til&asins=B01NBMKH21&linkId=a7a35903a4c55f62d8aa012c3d0277d8"></iframe> </html> 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。 <html> <iframe style="width:120px;height:240px;" marginwidth="0" marginheight="0" scrolling="no" frameborder="0" src="//rcm-fe.amazon-adsystem.com/e/cm?lt1=_blank&bc1=000000&IS2=1&bg1=FFFFFF&fc1=000000&lc1=0000FF&t=twosquirrel-22&o=9&p=8&l=as4&m=amazon&f=ifr&ref=as_ss_li_til&asins=4873117585&linkId=603bea27ea1777eb662830c5609200a1"></iframe> </html> ===== リンク ===== 次 [[(7)推測|(7)推測(Chainer)]] 前 [[(5)学習と結果の出力(Chainer)]] <wrap hi>Chainer2でMNIST目次</wrap>\\ [[Chainer2プログラミングの全体図]] -[[(1)Chainer2を使用するためのimport文]] -[[(2)データの準備・設定|(2)データの準備・設定(Chainer)]] -[[(3)モデルの記述|(3)モデルの記述(Chainer)]] -[[(4)モデルと最適化アルゴリズムの設定|(4)モデルと最適化アルゴリズムの設定(Chainer)]] -[[(5)学習と結果の出力(Chainer)]] -[[(6)結果の出力|(6)学習結果のパラメータの保存(Chainer)]] <wrap hi><= いまココ</wrap> -[[(7)推測|(7)推測(Chainer)]]
6_結果の出力.txt
· 最終更新: 2018/10/07 (外部編集)
ページ用ツール
文書の表示
以前のリビジョン
バックリンク
文書の先頭へ