chainer2プログラミングの全体図

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。

この比較画面へのリンク

--- chainer2プログラミングの全体図 [2017/11/02] – [Trainerを利用する場合のChainer全体図] adash333
+++ chainer2プログラミングの全体図 [2018/10/07] (現在) – 外部編集 127.0.0.1
@@ 行 1: / 行 1: @@
 ===== Chainerプログラミングの全体図 =====
+<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]]
@@ 行 11: / 行 12: @@
-必ずしもこの書き方ではなくてもよいらしいです。
+あくまで一例として記載させていただきます。
 WEB上のMNISTのサンプルコードを読んでいると、Kerasだと皆ほぼ同じコードになるのに、Chainerだと人によってコードが結構異なる感じで、初心者には本当にとっつきにくいイメージでした。
@@ 行 51: / 行 52: @@
 （４）#4 モデルと最適化アルゴリズムの設定
 model = MyModel()
+model = L.Classifier(model)
 optimizer = optimizers.Adam()
 optimizer.setup(model)
+（５）#5 学習と結果の出力
 # UpdaterにIteratorとOptimizerを渡す
 from chainer import training
 updater = training.StandardUpdater(train_iter, optimizer, device=gpu_id)
-（５）#5 学習と結果の出力
 # TrainerにUpdaterを渡す
 trainer = training.Trainer(updater, (max_epoch, 'epoch'), out='mnist_result')
@@ 行 106: / 行 108: @@
 ==== Chainer2でMNISTのコード ====
 以下にコードそのものを記載します。非常に長く取っつきにくいコードですが、次回以降、順に解説させていただきます。
+なお、今回はMNISTのデータセットを、Chainerがあらかじめ用意したものを使って学習を行いますが、画像データからChainer用データセットに変換する方法については、[[Chainer2用自前データの準備]]をご覧下さい。（かなりややこしいので、最初は、以下のコードを写経してから、自前データの準備に進むのがお勧めです。）
 train_mnist_mlp.py
@@ 行 121: / 行 125: @@
 </html>
+次のページから、上記コードについて順番に解説していきます。
 次 [[(1)Chainer2を使用するためのimport文]]
@@ 行 159: / 行 163: @@
 前 [[Chainer2.0をWindowsにインストール]]
-目次
+<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]]
@@ 行 168: / 行 173: @@
   -[[(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)]]

chainer2プログラミングの全体図.txt · 最終更新: 2018/10/07 by 127.0.0.1