動作環境

GeForce GTX 1070 (8GB)
ASRock Z170M Pro4S [Intel Z170chipset]
Ubuntu 14.04 LTS desktop amd64
TensorFlow v0.11
cuDNN v5.1 for Linux
CUDA v8.0
Python 2.7.6
IPython 5.1.0 -- An enhanced Interactive Python.

sine curveを学習した時のweightとbiasをもとに自分でネットワークを再現して出力を計算しようとしている。

convolutionを実装することになりそう。

Pythonのndarrayはほとんどわからないが、とりあえず実装を試みている。

資料 https://docs.scipy.org/doc/numpy/reference/arrays.ndarray.html
資料 http://anh.cs.luc.edu/python/hands-on/3.1/handsonHtml/ifstatements.html
参考 http://qiita.com/7of9/items/586f62fa46dc3409d954 のコメント
参考 http://qiita.com/7of9/items/06fee8f425c7a514377b#comment-70abc9bc48ed226fd6c5

code v0.1

read_mode_var.py

import numpy as np

model_var = np.load('model_variables.npy')

print "all shape:",(model_var.shape)

def calc_conv(src, weight, bias):
	wgt = weight.shape
	print wgt # debug
	conv = list(range(bias.size))
	if wgt[0] == 1:
		for idx2 in range(wgt[1]):
			conv[idx2] = src * weight[0,idx2]
	else:
		for idx1 in range(wgt[0]):
			for idx2 in range(wgt[1]):
				conv[idx2] = src[idx1] * weight[idx1,idx2]
	return conv # return list

indata = 2.718  # for (1,N) e.g. (1,7)
inp1_weight = model_var[2]
inp1_bias = model_var[3]

#indata = [1,2,3,4,5,6,7] # for (N,N) e.g. (7,7)
#inp1_weight = model_var[4]
#inp1_bias = model_var[5]

conv1 = calc_conv(indata, inp1_weight, inp1_bias)
print (inp1_weight)
print (inp1_bias)
print ('conv:',conv1)

結果は以下。

$ python read_model_var.py all shape: (10,) (1, 7) [[-4.58573723 -4.27450418 -3.75889063 4.51949883 -4.02780342 -4.10122681 4.0842309 ]] [ 0.97008353 0.70625514 0.27048966 -0.83405548 0.57475132 0.64893931 -0.45576799] ('conv:', [-12.464033786773681, -11.618102374076843, -10.216664729118348, 12.283997806549072, -10.947569698333741, -11.14713446044922, 11.10093958568573])

conv:に関して、google spreadsheetと近い値は出た。

課題

if wgt[0] == 1:として処理を分けている。

else:の処理だけでしようとすると以下のように怒られた。

Traceback (most recent call last):
File "read_model_var.py", line 30, in
conv1 = calc_conv(indata, inp1_weight, inp1_bias)
File "read_model_var.py", line 19, in calc_conv
conv[idx2] = src[idx1] * weight[idx1,idx2]
TypeError: 'float' object has no attribute 'getitem'

if wgt[0] == 1:なしで実装する方法は調査を要する。

code v0.2

そもそも
indata = 2.718 # for (1,N) e.g. (1,7)
は
indata = [ 2.718 ] # for (1,N) e.g. (1,7)
が正しかった。
1つのfloatではなく、１要素のリストを扱うのだった。

以下のコードになった。

read_model_var.py

#import sys
import numpy as np

model_var = np.load('model_variables.npy')

print "all shape:",(model_var.shape)

def calc_conv(src, weight, bias):
	wgt = weight.shape
	print wgt # debug
	conv = list(range(bias.size))
	for idx1 in range(wgt[0]):
		for idx2 in range(wgt[1]):
			conv[idx2] = src[idx1] * weight[idx1,idx2]
	return conv # return list

indata = [ 2.718 ] # for (1,N) e.g. (1,7)
inp1_weight = model_var[2]
inp1_bias = model_var[3]

#indata = [1,2,3,4,5,6,7] # for (N,N) e.g. (7,7)
#inp1_weight = model_var[4]
#inp1_bias = model_var[5]

conv1 = calc_conv(indata, inp1_weight, inp1_bias)
print (inp1_weight)
print (inp1_bias)
print ('conv:',conv1)

code v0.3 (add bias)

read_model_var.py

'''
v0.3 Dec. 07, 2016
	- calc_conv() > add bias
v0.2 Dec. 07, 2016
	- fix calc_conv() treating src as a list
v0.1 Dec. 07, 2016
	- add calc_conv()
'''

import numpy as np

model_var = np.load('model_variables.npy')

print "all shape:",(model_var.shape)

def calc_conv(src, weight, bias):
	wgt = weight.shape
	print wgt # debug
	#conv = list(range(bias.size))
	conv = [0.0] * bias.size
	# weight
	for idx1 in range(wgt[0]):
		for idx2 in range(wgt[1]):
			conv[idx2] = conv[idx2] + src[idx1] * weight[idx1,idx2]
	# bias
	for idx2 in range(wgt[1]):
		conv[idx2] = conv[idx2] + bias[idx2]
	return conv # return list

indata = [ 2.718 ] # for (1,N) e.g. (1,7)
inp1_weight = model_var[2]
inp1_bias = model_var[3]

#indata = [1,2,3,4,5,6,7] # for (N,N) e.g. (7,7)
#inp1_weight = model_var[4]
#inp1_bias = model_var[5]

conv1 = calc_conv(indata, inp1_weight, inp1_bias)
print (inp1_weight)
print (inp1_bias)
print ('conv:',conv1)

code v0.4 > 2x2 network example added

入力が複数の場合の例として、2x2のネットワーク計算用データを追加。

ndarrayの用意の仕方は以下を参考にしました。情報感謝です。　
http://qiita.com/richi40/items/6b3af6f4b00d62dbe8e1

read_model_var.py

'''
v0.4 Dec. 10, 2016
	- add 2x2 network example
v0.3 Dec. 07, 2016
	- calc_conv() > add bias
v0.2 Dec. 07, 2016
	- fix calc_conv() treating src as a list
v0.1 Dec. 07, 2016
	- add calc_conv()
'''

import numpy as np

model_var = np.load('model_variables.npy')

print "all shape:",(model_var.shape)

def calc_conv(src, weight, bias):
	wgt = weight.shape
	print wgt # debug
	#conv = list(range(bias.size))
	conv = [0.0] * bias.size
	# weight
	for idx1 in range(wgt[0]):
		for idx2 in range(wgt[1]):
			conv[idx2] = conv[idx2] + src[idx1] * weight[idx1,idx2]
	# bias
	for idx2 in range(wgt[1]):
		conv[idx2] = conv[idx2] + bias[idx2]
	return conv # return list

#indata = [ 2.718 ] # for (1,N) e.g. (1,7)
#inp1_weight = model_var[2]
#inp1_bias = model_var[3]

#indata = [1,2,3,4,5,6,7] # for (N,N) e.g. (7,7)
#inp1_weight = model_var[4]
#inp1_bias = model_var[5]

indata = [ 3, 1 ] # for 2x2 network
inp1_weight = np.array([ [4,1], [5,9] ], dtype=np.float)
inp1_bias = np.array([ 2, 6 ], dtype=np.float)

conv1 = calc_conv(indata, inp1_weight, inp1_bias)
print (inp1_weight)
print (inp1_bias)
print ('conv:',conv1)

結果

$ python read_model_var.py 
all shape: (10,)
(2, 2)
[[ 4.  1.]
 [ 5.  9.]]
[ 2.  6.]
('conv:', [19.0, 18.0])

試したネットワークは以下。1,3はinput。6,2はbias。線上の値はweight。
![](http://yuml.me/diagram/class/ [3]-4->[2], [3]-1->[6], [1]-5->[2], [1]-9->[6], )

3x4 + 1x5 + 2 = 19
3x1 + 1x9 + 6 = 18

合っていそう。
問題はTensorFlowの実行結果のweightのオーダー(column major order / row major orderのどちらか）。
実際に計算をして大幅にずれないか確認することになりそうか。