ユーザ用ツール

サイト用ツール


7_推測

(7)推測

Chainer2でMNIST目次

Chainer2プログラミングの全体図

  1. (7)推測(Chainer) ⇐ いまココ
#predict.py
#7 推測
# import文

# modelの定義
class MLP(chainer.Chain):
    def __init__(self, n_units, n_out):
        super(MLP, self).__init__()
        with self.init_scope():
            # モデルを記載
            
    def __call__(self, x):
        # モデルを記載

# モデルを使って判定する
model = L.Classifier(MLP(1000, 10))
# 前回の学習結果のパラメータをインポート
serializers.load_npz('my_mnist.model', model)
# 画像を読み込み、データセットに変換した後(後述)
# 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
predict = np.argmax(y.data)

print("predict:" , predict)

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、(6)結果の出力の続きであり、今回は、推測を行っていきます。

手順

0. 前回終了時の画面

(6)結果の出力終了時の、以下のような状態から始めます。

1. 推測

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。

<html>
<script src=“https://gist.github.com/adash333/1505e2625906aafdc95c36b05b9d5e75.js”></script>
</html>

すると、以下のような画面になります。

(作成中)

これで、ChainerでMNISTの解説は終了となります。

chainer.Variable()について

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.links.Classifierのpredictorについて

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

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

7_推測.txt · 最終更新: 2018/10/07 by 127.0.0.1

Donate Powered by PHP Valid HTML5 Valid CSS Driven by DokuWiki