Chainer 2.0 のMNISTサンプルで推論を動かす

はじめに

Chainerのexampleコードを動かして、深層学習(ディープラーニング)を勉強中です。

本記事を起稿した時点(2017/6)でChainerの最新バージョンは2.0ですが、1.x と互換性がなく古いバージョンのコードが動かないことがあります。
参考：chainerのバージョンごとの違い(2016年1月19日現在)

本記事は、Chainer 2.0 のMNISTサンプルで、推論を動かすための実装メモです。

実装は、こちらの記事を参考にしました。
Chainer: ビギナー向けチュートリアル Vol.1

環境

Chainer 2.0
python 2.7.10
CPUで実行

コード

Chainer 2.0 のMNISTサンプル(オリジナル)
https://github.com/chainer/chainer/tree/v2.0.0/examples/mnist

1. train_mnist.pyに学習済みモデルを保存する処理(1行)を追加

train_mnist.py

    # Run the training
    trainer.run()

    chainer.serializers.save_npz('my_mnist.model', model) # Added

2. train_mnist.pyを実行し学習を開始する

$ python train_mnist.py --epoch 3
GPU: -1
# unit: 1000
# Minibatch-size: 100
# epoch: 3

epoch       main/loss   validation/main/loss  main/accuracy  validation/main/accuracy  elapsed_time
1           0.191836    0.0885223             0.942233       0.9718                    26.099        
2           0.0726428   0.0825069             0.9768         0.974                     53.4849       
3           0.0466335   0.0751425             0.984983       0.9747                    81.2683       
$ ls
my_mnist.model  result/         train_mnist.py*

※デフォルトのepoch=20だと学習に少し時間がかかるので、今回はepoch=3としています。
MacBook Pro(Mid2015)だと１分ちょいで学習が完了します。

3. 保存した学習済みモデルを読み込んで推論する

predict_mnist.py

#!/usr/bin/env python

from __future__ import print_function 

try:
    import matplotlib
    matplotlib.use('Agg')
except ImportError:
    pass

import argparse

import chainer
import chainer.functions as F
import chainer.links as L
from chainer import training
from chainer.training import extensions


# Network definition
class MLP(chainer.Chain):

    def __init__(self, n_units, n_out):
        super(MLP, self).__init__()
        with self.init_scope():
            # the size of the inputs to each layer will be inferred
            self.l1 = L.Linear(None, n_units)  # n_in -> n_units
            self.l2 = L.Linear(None, n_units)  # n_units -> n_units
            self.l3 = L.Linear(None, n_out)  # n_units -> n_out

    def __call__(self, x):
        h1 = F.relu(self.l1(x))
        h2 = F.relu(self.l2(h1))
        return self.l3(h2)


def main():
    parser = argparse.ArgumentParser(description='Chainer example: MNIST')
    parser.add_argument('--unit', '-u', type=int, default=1000,
                        help='Number of units')
    args = parser.parse_args()

    print('# unit: {}'.format(args.unit))
    print('')

    # Set up a neural network
    model = L.Classifier(MLP(args.unit, 10))

    # Load the MNIST dataset
    train, test = chainer.datasets.get_mnist()

    chainer.serializers.load_npz('my_mnist.model', model)

    x, t = test[0]
    print('label:', t)

    x = x[None, ...]
    y = model.predictor(x)
    y = y.data

    print('predicted_label:', y.argmax(axis=1)[0])

if __name__ == '__main__':
    main()

predict_mnist.py では、my_mnist.modelを読み込んで、テストデータに対するラベルの推論をしています。

$ python predict_mnist.py 
# unit: 1000

label: 7
predicted_label: 7

正解ラベルと同じラベルが得られました。

モデルのオブジェクトを作るときの注意点

train_mnist.py

    # iteration, which will be used by the PrintReport extension below.
    model = L.Classifier(MLP(args.unit, 10))

train_mnist.py で、 L.Classifierを使ってmodelを作りました。
推論時にモデルのオブジェクトを作るときも同様にL.Classifierを使う必要があります。

L.Classifier を通さずにモデルのオブジェクトを作ると、モデルをロードしたときにエラーが返ってきます。

predict_mnist.py

    # Set up a neural network
    model = MLP(args.unit, 10)

エラー
KeyError: 'l2/b is not a file in the archive'

参考 Chainerのモデルのセーブとロード