サルでもわかる機械学習

<ChainerでMNIST目次>
(0)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
(3)モデルの記述
(4)モデルと最適化アルゴリズムの設定
(5)学習（Trainerを利用しない場合）
(6)結果の出力
(7)推測

#5 学習（Trainerを利用しない場合）

作成中

for epoch in range(繰り返し回数)
    データの加工
    .update   #パラメータ更新

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（Trainerを利用しない場合）の続きであり、今回は、結果の出力の記述を行っていきます。

(5)学習（Trainerを利用しない場合）終了時の、以下のような状態から始めます。

新しいnotebookを作成して、predict.jpynbという名前にします。　

predict.jpynbと同じフォルダに、0.jpgという名前で28×28の手書き数字を保存しておきます。なお、Windows付属の「ペイント」などで、背景を黒で、数字の部分を白で書いて作ってください。今回は、これを推測します。

以下のコードを入力して、Shift + Enterを押します。

すると、以下のような画面になります。

これで、ChainerでMNISTの解説は終了となります。

chainerで画像データをモデルに入力はするためには、画像データをNumpy配列に変換し、さらに、型をVariableに変換する必要がある。

import numpy as np
import chainer
from chainer import Variable

# PILなどでimageを読み込んでおき、Numpy配列に変換しておき、
# 以下で、ニューラルネットワークにおけるノードに対応するオブジェクトに変換する
x = chainer.Variable(image)

chainerのvariableについて 20170521
https://qiita.com/rerere0101/items/bc841829da06fa466406

Chainerの基本オブジェクトについて〜Variable編〜 20161024
https://qiita.com/moroku0519/items/48d89e5b782e27f740de

chainer.Variable
https://docs.chainer.org/en/stable/reference/core/generated/chainer.Variable.html#chainer.Variable

Chainerでは、modelは、必ず、L.Classifier(model)としておく。

import numpy as np
import chainer
from chainer import Variable

# ニューラルネットワークにおけるノードに対応するオブジェクトに変換する
x = chainer.Variable(image)
# chainer.links.Classifierのpredictorで推測
y = model.predictor(x)
# y.dataという配列の中で一番大きい値をとる要素のインデックスを返す
# 今回は、インデックスの値がそのまま、数字の分類項目となっている
predict = np.argmax(y.data)

2017-06-25 配列の最大要素のインデックスを返すNumPyのargmax関数の使い方
https://deepage.net/features/numpy-argmax.html

https://docs.chainer.org/en/stable/reference/generated/chainer.links.Classifier.html

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。

<ChainerでMNIST目次>
(0)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
(3)モデルの記述
(4)モデルと最適化アルゴリズムの設定
(5)学習（Trainerを利用しない場合）
(6)結果の出力