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。

--- 7_推測 [2017/10/20] – 作成 adash333
+++ 7_推測 [2018/10/07] (現在) – 外部編集 127.0.0.1
@@ 行 1: / 行 1: @@
-===== 見出し =====
+===== (7)推測 =====
-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)]]
+  -[[(7)推測|(7)推測(Chainer)]]　<wrap hi><= いまココ</wrap>
+<code>
+#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)
+</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、[[(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。
+{{:pasted:20171101-165650.png}}
+==== 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28x28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。
+<code>
+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)
+</code>
+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。
+<code>
+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)
+</code>
+-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 =====
+次 [[機械学習成果をwebで公開]]
+前 [[(6)結果の出力|(6)学習結果のパラメータの保存(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)]]
+  -[[(7)推測|(7)推測(Chainer)]]　<wrap hi><= いまココ</wrap>