目次
文書の過去の版を表示しています。
(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
(7)推測
#5 学習（Trainerを利用しない場合）
作成中
for epoch in range(繰り返し回数)
データの加工
.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. 推測結果の出力
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。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。
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
<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