サルでもわかる機械学習

(7)推測

<ChainerでMNIST目次>

(0)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

 (3)モデルの記述

 (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）

(6)結果の出力

#5 学習（Trainerを利用しない場合）
for epoch in range(繰り返し回数)
    データの加工
    model.cleargrads() #勾配初期化
    loss = model(...)  #誤差計算
    loss.backward      #勾配計算
    optimizer.update   #パラメータ更新

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（Trainerを利用しない場合）の続きであり、今回は、結果の出力の記述を行っていきます。

手順

0. 前回終了時の画面

(5)学習（Trainerを利用しない場合）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。

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

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)
predict = np.argmax(y.data)

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

<ChainerでMNIST目次>

(0)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

 (3)モデルの記述

 (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）

(6)結果の出力