差分

このページの2つのバージョン間の差分を表示します。

--- 1_chainer2を使用するためのimport文 [2017/10/19] – adash333
+++ 1_chainer2を使用するためのimport文 [2018/10/07] (現在) – 外部編集 127.0.0.1
@@ 行 1: / 行 1: @@
 ===== (1)Chainer2を使用するためのimport文 =====
-<ChainerでMNIST目次>\\
-[[Chainer2プログラミングの全体図]]\\
+<wrap hi>Chainer2でMNIST目次</wrap>\\
-(1)Chainer2を使用するためのimport文\\
+[[Chainer2プログラミングの全体図]]
-[[(2)データの準備・設定]]\\
+  -[[(1)Chainer2を使用するためのimport文]]　<wrap hi><= いまココ</wrap>
-[[(3)モデルの記述]]\\
+  -[[(2)データの準備・設定|(2)データの準備・設定(Chainer)]]
-[[(4)モデルと最適化アルゴリズムの設定]]\\
+  -[[(3)モデルの記述|(3)モデルの記述(Chainer)]]
-[[(5)学習（Trainerを利用しない場合）]]\\
+  -[[(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)]]
-[[(6)結果の出力]]\\
+  -[[(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)]]
+  -[[(7)推測|(7)推測(Chainer)]]
 最初に以下をコピペするだけです。
@@ 行 23: / 行 26: @@
 </code>
-===== 見出し =====
+上記コードを見ても最初はさっぱりだと思いますが、[[(7)推測|(7)推測(Chainer)]]まで読み終えた後、もう一度このページに戻ってきて、「ああ、ここでこれを使用するためにこれをimportしたんだなあ」くらいに思い出していただければと思います。
-a
+===== 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。
+以下は、上記リンクに記載のように、Anaconda Promptで、chainer2という仮想環境を作成し、chainer 2.0をインストールしてある前提で、話を進めさせて頂きます。
+===== 手順 =====
+今回から、
+Chainer: ビギナー向けチュートリアル Vol.1\\
+https://qiita.com/mitmul/items/eccf4e0a84cb784ba84a
+に従って、jupyter notebook上で、Chainer2でMNIST手書き文字認識の機械学習を行い、Chainer2プログラミングを学んでいきます。
+==== 0. AnacondaのインストールとChainer2仮想環境 ====
+（前提１）WindowsパソコンにAnacondaをインストール済み。\\
+インストールしていない場合は、以下をご覧になり、インストールしておいてください。\\ [[http://twosquirrel.mints.ne.jp/dokuwiki/doku.php/windows%E3%81%A7python%E3%82%92%E5%A7%8B%E3%82%81%E3%82%8B%E6%96%B9%E6%B3%952017%E5%B9%B4%E7%89%88#３_windowsパソコンにanacondaをインストール_所要時間_約40分間|Anacondaのインストール]]
+（前提２）さらに、Anaconda Prompt上で"chainer2"という名前の仮想環境を作成し、chainer 2.0をインストールしておく。\\
+具体的な方法については、[[Chainer2.0をWindowsにインストール]]をご覧ください。
+==== 1. Jupyter Notebookの開始 ====
+Windowsのスタートボタンから、Anaconda Promptを起動
+{{:pasted:20171103-125512.png}}
+今回は、C:/py/chainer2/MNIST_MLP/ フォルダをWindowsで作成しておき、そちらに、ipynbファイルを作成して、プログラミングを行っていくこととします。
+Anaconda Prompt上で、以下のコマンドを入力
+<code>
+cd c:/py/chainer2/MNIST_MLP
+</code>
+chainer2仮想環境を起動
+<code>
+activate chainer2
+</code>
+Jupyter Notebookの起動
+<code>
+jupyter notebook
+</code>
+{{:pasted:20171103-172241.png}}
+すると、ブラウザ（Chromeがお勧めです）が自動的に開いて、以下のような画面になるので、画面右側の方の「New」＞「python3」の順にクリックして、新規Jupyter Notebookを作成。
+{{:pasted:20171103-173912.png}}
+新しいJupyter Notebookが開かれるので、画面上の方の「Untitled」をクリックして、名前を、「train_MNIST_MLP」に変更。
+{{:pasted:20171103-175203.png}}
+{{:pasted:20171103-175344.png}}
+以下のような状態からスタートします。
+{{:pasted:20171103-181053.png}}
+==== 2. Import文の入力（Copy and Paste） ====
+次のような状態になっていると思われます。
+{{:pasted:20171019-225356.png}}
+上図の部分に、Chainerプログラミングを開始するために必要な、以下のImport文をコピペします。
+<code>
+import numpy as np
+import chainer
+from chainer import cuda, Function, report, training, utils, Variable
+from chainer import datasets, iterators, optimizers, serializers
+from chainer import Link, Chain, ChainList
+import chainer.functions as F
+import chainer.links as L
+from chainer.training import extensions
+</code>
+さらに、Shift + Enter を押してから、数秒待つと、以下のようになります。
+{{:pasted:20171103-205859.png}}
+これで、Import文の入力は終了です。
+次に、[[(2)データの準備・設定]]を行っていきます。
+===== 参考文献 =====
+Chainer: ビギナー向けチュートリアル Vol.1
+mitmul
+年05月18日に更新\\
+https://qiita.com/mitmul/items/eccf4e0a84cb784ba84a
+<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>
+サーバサイドにおけるmatplotlibによる作図Tips 20160226
+\\
+https://qiita.com/TomokIshii/items/3a26ee4453f535a69e9e
+===== リンク =====
+次 [[(2)データの準備・設定|(2)データの準備・設定(Chainer)]]
+前 [[Chainer2プログラミングの全体図]]
+<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]]　<wrap hi><= いまココ</wrap>
+  -[[(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)]]
+  -[[(7)推測|(7)推測(Chainer)]]
-===== 見出し =====
-b