ユーザ用ツール

サイト用ツール


3_モデルの記述

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。

この比較画面へのリンク

両方とも前のリビジョン前のリビジョン
次のリビジョン
前のリビジョン
3_モデルの記述 [2017/10/19] – [見出し] adash3333_モデルの記述 [2018/10/07] (現在) – 外部編集 127.0.0.1
行 1: 行 1:
 ===== (3)モデルの記述 ===== ===== (3)モデルの記述 =====
  
-<ChainerでMNIST目次>\\ +<wrap hi>Chainer2でMNIST目次</wrap>\\ 
-[[Chainer2プログラミングの全体図|(0)Chainer2プログラミングの全体図]]\\ +[[Chainer2プログラミングの全体図]] 
-[[(1)Chainer2を使用するためのimport文]]\\ +  -[[(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|(2)データの準備・設定(Chainer)]] 
-(3)モデルの記述  ←いまここ\\ +  -[[(3)モデルの記述|(3)モデルの記述(Chainer)]] <wrap hi><いまココ</wrap> 
-[[(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|(4)モデルと最適化アルゴリズムの設定(Chainer)]] 
-[[(5)学習(Trainerを利用しない場合)]]\\ +  -[[(5)学習と結果の出力(Chainer)]] 
-[[(6)結果の出力]]\\+  -[[(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)]]
  
 <code> <code>
 +#3 モデルの記述
 +class MyModel(Chain):
 +    def __init__(self):
 +       super(MyModel,self).__init__(
 +            # パラメータを含む関数の宣言
 +        )
 +    def __call__(self, ...):
 +    # モデルを記載
 +</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、[[(2)データの準備・設定]]の続きであり、今回は、MNISTのモデルの記述を行っていきます。
 +
 +===== 手順 =====
 +
 +==== 0. 前回終了時の画面 ====
 +[[(2)データの準備・設定]]終了時の、以下のような状態から始めます。
 +
 +{{:pasted:20171103-224810.png}}
 +==== 1. モデルの記述 ====
 +以下のコードを入力して、Shift + Enterを押します。
 +
 +<code>
 +'''
 +今回は、手書き数字MNIST画像を、multiple layer perceptron(多層パーセプトロン)という
 +ニューラルネットワークモデルを用いて機械学習で分類します。
 +層構造のイメージは、以下のリンクが参考になります。
 +https://qiita.com/kenmatsu4/items/7b8d24d4c5144a686412
 +ネットワークは3層で、入力層、隠れ層、出力層の3層とします。
 +28x28のグレースケール画像を、0から255までの値をとる各ピクセルの値を、
 +784個、横に並んだ数字の配列に変換して(、さらに255で割って)、
 +入力層に入れます。入力層のunit数は784個となります。
 +中間層のunit数(n_mid_units)は、今回は、100個に設定しています。
 +手書き数字の0から9まで10種類の画像を分類するため、
 +出力層のunit数(n_out)は、10個となります。
 +'''
 +
 +class MLP(chainer.Chain):
 +
 +    def __init__(self, n_mid_units=100, n_out=10):
 +        super(MLP, self).__init__(
 +            l1=L.Linear(None, n_mid_units),
 +            l2=L.Linear(n_mid_units, n_mid_units),
 +            l3=L.Linear(n_mid_units, n_out),
 +        )
 +
 +    def __call__(self, x):
 +        h1 = F.relu(self.l1(x))
 +        h2 = F.relu(self.l2(h1))
 +        return self.l3(h2)
 </code> </code>
  
-===== 見出し ===== +すると、以下のような画面になります。(ほとんど何もおこりません。)
-a+
  
 +図は作成中
 +
 +{{:pasted:20171020-001546.png}}
 +
 +Chainerで、Multiple layer Perceptoronのモデルを記述する作業は上記でおしまいです。
 +
 +次は、[[(4)モデルと最適化アルゴリズムの設定]]に進んでください。
 +
 +
 +===== 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 ===== ===== リンク =====
-<ChainerでMNIST目次>\\ + 
-[[Chainer2プログラミングの全体図|(0)Chainer2プログラミングの全体図]]\\ +次 [[(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)]] 
-[[(1)Chainer2を使用するためのimport文]]\\ + 
-[[(2)データの準備・設定]]\\ +前 [[(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  ←いまここ\\ + 
-[[(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)]]\\ +<wrap hi>Chainer2でMNIST目次</wrap>\\ 
-[[(6)結果の出力]]\\+[[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)]] <wrap hi><いまココ</wrap> 
 +  -[[(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)]]

3_モデルの記述.1508422396.txt.gz · 最終更新: 2018/10/07 (外部編集)

Donate Powered by PHP Valid HTML5 Valid CSS Driven by DokuWiki