chainerの作法 その5

概要

chainerの作法、調べてみた。
autoencoder。

インポート

import numpy as np
from chainer import datasets, iterators
from chainer import optimizers
from chainer import Chain
from chainer import training
from chainer.training import extensions
import chainer.functions as F
import chainer.links as L
import chainer
import matplotlib.pyplot as plt

訓練データセットのイテレーション

datasetsのget_mnist使う。

	train, test = datasets.get_mnist()
	train = train[0 : 1000]
	train = [i[0] for i in train]

ミニバッチに対する前処理

datasetsのTupleDataset使う。

	train = datasets.TupleDataset(train, train)
	train_iter = iterators.SerialIterator(train, 100)
	test = test[0 : 25]

ニューラルネットワークのForward/backward計算

Classifier使うけど、lossは、mean_squaredを使う。
活性化は、relu。

class Autoencoder(Chain):
	def __init__(self):
		super(Autoencoder, self).__init__(encoder = L.Linear(784, 80), decoder = L.Linear(80, 784))
	def __call__(self, x, hidden = False):
		h = F.relu(self.encoder(x))
		if hidden:
			return h
		else:
			return F.relu(self.decoder(h))
	model = L.Classifier(Autoencoder(), lossfun = F.mean_squared_error)
	model.compute_accuracy = False

パラメータの更新

optimaizerは、Adam。

	optimizer = optimizers.Adam()
	optimizer.setup(model)
	updater = training.StandardUpdater(train_iter, optimizer, device = -1)
	trainer = training.Trainer(updater, (80, 'epoch'), out = "result")

	trainer.run()

評価データセットにおける現在のパラメータの評価

中間結果をログに残す

	trainer.extend(extensions.LogReport())
	trainer.extend(extensions.PrintReport(['epoch', 'main/loss']))

結果

以上。