前回の続きです

参考文献

「機械学習と深層学習―C言語によるシミュレーション―」2016/05/21
(著)小高知宏
文献元

準備

console

pip install numpy

ソースコード

sample.py

# -*- coding: utf-8 -*-
#/*********************************************************/
#/*　自己符号化器                                         */
#/*　誤差の推移や，学習結果となる結合係数などを出力します */
#/*********************************************************/
import numpy as np

#/*******************/ 
#/*    main()関数   */ 
#/*******************/ 
def main():
 #/*記号定数の定義*/
 INPUTNO=9  #/*入力層のセル数*/ 
 HIDDENNO=4  #/*中間層のセル数*/ 
 OUTPUTNO=9  #/*出力層のセル数*/
 ALPHA=10  #/*学習係数*/ 
 MAXINPUTNO=100    #/*学習データの最大個数*/ 
 BIGNUM=100    #/*誤差の初期値*/ 
 LIMIT=1e-5   #/*誤差の上限値*/ 

 wh=np.full((HIDDENNO,INPUTNO+1),0.)#/*中間層の重み*/
 wo=np.full((OUTPUTNO,HIDDENNO+1),0.)#/*出力層の重み*/
 e=np.full((MAXINPUTNO,INPUTNO+OUTPUTNO),0.)#/*学習データセット*/
 hi=np.full((HIDDENNO+1,),0.)#/*中間層の出力*/
 o=np.full((OUTPUTNO,),0.)#/*出力*/
 err=np.double(BIGNUM)#/*誤差の評価*/
 i=j=k=0#/*繰り返しの制御*/
 n_of_e=0#/*学習データの個数*/
 count_=0#/*繰り返し回数のカウンタ*/
 #/*乱数の初期化*/
 np.random.seed(None)
 #/*重みの初期化*/
 wh=initwh(wh,HIDDENNO,INPUTNO)#/*中間層の重みの初期化*/
 wo=initwo(wo,OUTPUTNO,HIDDENNO)#/*出力層の重みの初期化*/
 print(wh,wo)#/*結果の出力*/
 #/*学習データの読み込み*/
 n_of_e,e=getdata(e,MAXINPUTNO,INPUTNO,OUTPUTNO)
 print("学習データの個数:",n_of_e)
 #/*学習*/
 for _ in range(50000):
  #/*複数の出力層に対応*/
  err=0.
  err_=0.
  for k in range(OUTPUTNO):
   err=0.
   for j in range(n_of_e):
    #/*順方向の計算*/
    o[k]=forward(wh,wo[k],hi,e[j],HIDDENNO,INPUTNO)
    #/*出力層の重みの調整*/
    wo[k]=olearn(wo[k],hi,e[j],o[k],k,ALPHA,HIDDENNO,INPUTNO)
    #/*中間層の重みの調整*/
    wh=hlearn(wh,wo[k],hi,e[j],o[k],k,ALPHA,HIDDENNO,INPUTNO)
    #/*誤差の積算*/
    err+=(o[k]-e[j][INPUTNO+k])*(o[k]-e[j][INPUTNO+k])
    err_+=(o[k]-e[j][INPUTNO+k])*(o[k]-e[j][INPUTNO+k])
  count_+=1
  #/*誤差の出力*/
  print("count_",count_,"err_",err_)
  #/*複数の出力層対応部分終了*/
  if LIMIT>err_:
   break
  
 #/*学習終了*/
 #/*結合荷重の出力*/
 print_(wh,wo)
 #/*学習データに対する出力*/
 for i in range(n_of_e):
  out_=[]
  for j in range(OUTPUTNO):
   out_=np.append(out_,forward(wh,wo[j],hi,e[i],HIDDENNO,INPUTNO))
  print("e",e[i],"out_",out_)

#/**********************/
#/*  hlearn()関数      */
#/*  中間層の重み学習  */
#/**********************/
def hlearn(wh,wo,hi,e,o,k,ALPHA,HIDDENNO,INPUTNO):
 i=j=0#/*繰り返しの制御*/
 dj=0.#/*中間層の重み計算に利用*/
 for j in range(HIDDENNO):#/*中間層の各セルjを対象*/
  dj=hi[j]*(1-hi[j])*wo[j]*(e[INPUTNO+k]-o)*o*(1-o)
  i=np.arange(INPUTNO)#/*i番目の重みを処理*/
  wh[j][i]+=ALPHA*e[i]*dj
  wh[j][i[-1]+1]+=ALPHA*(-1.0)*dj#/*しきい値の学習*/
 return wh


#/**********************/
#/*  getdata()関数     */
#/*学習データの読み込み*/
#/**********************/
def getdata(e,MAXINPUTNO,INPUTNO,OUTPUTNO):
 n_of_e=0#/*データセットの個数*/
 e=np.array([[0, 0, 1, 0, 0, 1, 0, 0, 1, 0, 0, 1, 0, 0, 1, 0, 0, 1],
             [0, 1, 0, 0, 1, 0, 0, 1, 0, 0, 1, 0, 0, 1, 0, 0, 1, 0],
             [1, 0, 0, 1, 0, 0, 1, 0, 0, 1, 0, 0, 1, 0, 0, 1, 0, 0],
             [0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0],
             [0, 0, 0, 1, 1, 1, 0, 0, 0, 0, 0, 0, 1, 1, 1, 0, 0, 0],
             [1, 1, 1, 0, 0, 0, 0, 0, 0, 1, 1, 1, 0, 0, 0, 0, 0, 0]])
 #/*データの入力*/
 #e=(np.random.sample((MAXINPUTNO,INPUTNO+OUTPUTNO))*2)-1
 n_of_e=e.shape[0]
 return n_of_e,e

#/**********************/
#/*  olearn()関数      */
#/*  出力層の重み学習  */
#/**********************/
def olearn(wo,hi,e,o,k,ALPHA,HIDDENNO,INPUTNO):
 i=0#/*繰り返しの制御*/
 d=0.#/*重み計算に利用*/
 d=(e[INPUTNO+k]-o)*o*(1-o)#/*誤差の計算*/
 i=np.arange(HIDDENNO)
 wo[i]+=ALPHA*hi[i]*d#/*重みの学習*/
 wo[i[-1]+1]+=ALPHA*(-1.0)*d#/*しきい値の学習*/
 return wo


#/**********************/
#/*  forward()関数     */
#/*  順方向の計算      */
#/**********************/
def forward(wh,wo,hi,e,HIDDENNO,INPUTNO):
 i=j=0#/*繰り返しの制御*/
 u=0.#/*重み付き和の計算*/
 o=0.#/*出力の計算*/
 #/*hiの計算*/
 for i in range(HIDDENNO):
  u=0 #/*重み付き和を求める*/
  j=np.arange(INPUTNO)
  u=(e[j]*wh[i][j]).sum()
  u-=wh[i][j[-1]+1]#/*しきい値の処理*/
  hi[i]=f(u)
 #/*出力oの計算*/
 o=0
 i=np.arange(HIDDENNO)
 o=(hi[i]*wo[i]).sum()
 o-=wo[i[-1]+1]#/*しきい値の処理*/
 return f(o)

#/**********************/
#/*   print()関数      */
#/*   結果の出力       */
#/**********************/
def print_(wh,wo):
 print("wh",wh)
 print("wo",wo)

#/**********************/
#/*    initwh()関数    */
#/*中間層の重みの初期化*/
#/**********************/
def initwh(wh,HIDDENNO,INPUTNO):
 #/*乱数による重みの決定*/ 
 for i in range(HIDDENNO):
  for j in range(INPUTNO+1):
   wh[i][j]=drnd()
 return wh

#/**********************/
#/*    initwo()関数    */
#/*出力層の重みの初期化*/
#/**********************/
def initwo(wo,OUTPUTNO,HIDDENNO):
 #/*繰り返しの制御*/
 #/*乱数による重みの決定*/
 for i in range(OUTPUTNO):
  for j in range(HIDDENNO+1):
    wo[i][j]=drnd()
 return wo

#/*******************/
#/* drnd()関数      */
#/* 乱数の生成      */
#/*******************/
def drnd():
 rndno=(np.random.sample(1)*2)-1#/*-1から1の間の乱数を生成*/
 return rndno

#/*******************/
#/* f()関数         */
#/* 伝達関数        */
#/*(シグモイド関数) */
#/*******************/
def f(u):
 return 1.0/(1.0+np.exp(-u))


main()

自己符号化器の実装

前回の続きです

参考文献

準備

ソースコード