ゼロから作るディープラーニング3章でaccuracyが低くなってしまう。

Question

オライリーの「ゼロから作るDeep Learning」の3.6.2でニューラルネットワークの推論処理を行うのですが、Accuracy:0.9352となるはずのところがAccuracy:0.0001となってしまいます。カレントディレクトリはch03で、sample_weight.pklはch03の中に、mnist.pklはdatasetの中に入っています。macで行っています。

以下、ソースコードです。何が間違っているのかを教えてくださると嬉しいです。よろしくお願いします。

Python 3.6.3 |Anaconda, Inc.| (default, Oct 6 2017, 12:04:38)
[GCC 4.2.1 Compatible Clang 4.0.1 (tags/RELEASE_401/final)] on darwin
Type "help", "copyright", "credits" or "license" for more information.

import numpy as np
import pickle
import sys,os
sys.path.append(os.pardir)
from dataset.mnist import load_mnist
from PIL import Image
def sigmoid(x):

... y = 1/(1+np.exp(-x))
... return y
...

def softmax(x):

... c=np.max(x)
... exp_x=np.exp(x-c)
... sum_exp_x=np.sum(exp_x)
... y=exp_x/sum_exp_x
... return y
...

def get_data():

... (x_train, t_train), (x_test, t_test)=load_mnist(normalize=True, flatten=True, one_hot_label=False)
... return x_test, t_test
...

def init_network():

... with open("sample_weight.pkl", 'rb') as f:
... network=pickle.load(f)
... return network
...

def predict(network,x):

... W1,W2,W3=network['W1'],network['W2'],network['W3']
... b1,b2,b3=network['b1'],network['b2'],network['b3']
... a1=np.dot(x,W1)+b1
... z1=sigmoid(a1)
... a2=np.dot(z1,W2)+b2
... z2=sigmoid(a2)
... a3=np.dot(z2,W3)+b3
... y=softmax(a3)
... return y
...

x,t=get_data()
network=init_network()
accuracy_cnt=0
for i in range(len(x)):

... y=predict(network,x[i])
... p=np.argmax(y)
...

if p==t[i]:

... accuracy_cnt =+ 1
...

print("Accuracy:" +str(float(accuracy_cnt)/len(x)))

Accuracy:0.0001

Answer 1

走らせていないので頭の中の思考実験の結果です。

以下のインデントがあやしいですね。

現状）

for i in range(len(x)):
    y=predict(network,x[i])
    p=np.argmax(y)

if p==t[i]:
    accuracy_cnt =+ 1

これだと、forがすべて済んだ後に、一回だけp==t[i]つまり、「for文の最後の結果だけ」についてaccuracy_cntの更新をしています。もし'len(x)'が10000で、最後の結果が正解なら、'Accuracy:0.0001'となるはずです。

なので、解決するにはインデントを直さないといけませんね。

解決案）

for i in range(len(x)):
    y=predict(network,x[i])
    p=np.argmax(y)

    if p==t[i]:
        accuracy_cnt =+ 1

Comments

[sixiong]

できました！ありがとうございます！