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。

--- 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 28: / 行 29: @@
 {{:pasted:20171102-203705.png}}
-最初にこの図を見たときは何がなんだかさっぱりでしたが、この図をみながら、なんとなく、以下の全体図をざっと目を通して下さい。以後、具体的なコードを勉強するときに、『いま、全体図の中でどこのコードを書いているのか？』を把握しながら、Jupyter Notebookに自分の手でコードを写経して実行していくのがお勧めです。
+私も最初にこの図を見たときは何がなんだかさっぱり分かりませんでしたが、この図をみながら、なんとなく、以下の全体図にざっと目を通して下さい。以後、具体的なコードを勉強するときに、『いま、全体図の中でどこのコードを書いているのか？』を把握しながら、Jupyter Notebookに自分の手でコードを写経して実行していくのがお勧めです。
 ●Chainer2プログラミングの流れ
@@ 行 43: / 行 44: @@
 class MyModel(Chain):
     def __init__(self):
-        super(MyModel,self).__init__(
+       super(MyModel,self).__init__(
             # パラメータを含む関数の宣言
         )
     def __call__(self, ...):
     # モデルを記載
@@ 行 52: / 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 66: / 行 65: @@
 from chainer.training import extensions
     # trainer.extend()で、学習の進行状況を表すプログレスバーや、lossのグラフ化と画像の保存などを行う
+# 学習を実行
 trainer.run()
@@ 行 77: / 行 76: @@
 import numpy as np
 import chainer import serializers
 # Network definition
     # train.py　と同じModelを定義
 # modelをClassifier化し、train.pyでの学習結果のパラメータをloadする
 model = L.Classifier(MLP(1000, 10))
@@ 行 111: / 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 126: / 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 164: / 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 173: / 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)]]