6_結果の出力

(6)結果の出力と、学習結果パラメータの保存

#6 学習結果のパラメータの保存
# Save paramaters
chainer.serializers.save_npz('my_mnist.model', model)

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。

1. 結果の出力

以下のコードを入力して、Shift + Enterを押します。

#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))

すると、以下のような画面になります。

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。

#6.2 学習結果のパラメータ保存
chainer.serializers.save_npz('my_mnist.model', model)

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。

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(Chainer)

前 (5)学習と結果の出力(Chainer)

Chainer2でMNIST目次

Chainer2プログラミングの全体図