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。

--- 6_結果の出力 [2017/10/20] – 作成 adash333
+++ 6_結果の出力 [2018/10/07] (現在) – 外部編集 127.0.0.1
@@ 行 1: / 行 1: @@
-===== 見出し =====
+===== (6)結果の出力と、学習結果パラメータの保存 =====
-あ
-===== 見出し =====
+<wrap hi>Chainer2でMNIST目次</wrap>\\
-あ
+[[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)]]