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。