質問をすることでしか得られない、回答やアドバイスがある。

15分調べてもわからないことは、質問しよう!

ただいまの
回答率

90.47%

  • Python

    8671questions

    Pythonは、コードの読みやすさが特徴的なプログラミング言語の1つです。 強い型付け、動的型付けに対応しており、後方互換性がないバージョン2系とバージョン3系が使用されています。 商用製品の開発にも無料で使用でき、OSだけでなく仮想環境にも対応。Unicodeによる文字列操作をサポートしているため、日本語処理も標準で可能です。

  • 機械学習

    721questions

    機械学習は、データからパターンを自動的に発見し、そこから知能的な判断を下すためのコンピューターアルゴリズムを指します。人工知能における課題のひとつです。

  • Keras

    247questions

  • Model

    83questions

    MVCモデルの一部であるModelはアプリケーションで扱うデータとその動作を管理するために扱います。

Kerasのモデル構築について

受付中

回答 1

投稿 編集

  • 評価
  • クリップ 1
  • VIEW 340

tanshoko

score 2

Kerasのモデルについてです。

あるモデルを作って学習させた後、そのモデルの一部を変更して再度学習させたい時に、どのようなプログラムを書けば最初に学習させた時の重みを使いながら再度学習することができるでしょうか。
現在、CVAEのプログラムを作ろうとしているところで、止まってしまっています。
プログラムの例などがあると、幸いです。
よろしくお願いします。

from __future__ import print_function

import numpy as np
import matplotlib.pyplot as plt
from scipy.stats import norm
import time
from collections import Counter

from keras.layers import Input, Dense, Lambda, Concatenate
from keras.models import Model
from keras import backend as K
from keras import metrics
from keras.datasets import mnist
from keras import utils

batch_size = 100
original_dim = 784
latent_dim = 10
intermediate_dim = 256
epochs = 25
cat_dim = 10
epsilon_std = 1.0

x = Input(shape=(original_dim,))
h = Dense(intermediate_dim, activation='relu')(x)
z_mean = Dense(latent_dim)(h)
z_log_var = Dense(latent_dim)(h)

def sampling(args):
    z_mean, z_log_var = args
    epsilon = K.random_normal(shape=(K.shape(z_mean)[0], latent_dim), mean=0.,
                              stddev=epsilon_std)
    return z_mean + K.exp(z_log_var / 2) * epsilon

def vae_loss(x, x_decoded_mean):
    x = K.flatten(x)
    x_decoded_mean = K.flatten(x_decoded_mean)
    xent_loss = original_dim * metrics.binary_crossentropy(x, x_decoded_mean)
    kl_loss = - 0.5 * K.sum(1 + z_log_var - K.square(z_mean) - K.exp(z_log_var), axis=-1)
    return K.mean(xent_loss + kl_loss)

z = Lambda(sampling, output_shape=(latent_dim,))([z_mean, z_log_var])

# ラベルありデータのラベルを入力
ly = Input(shape=(cat_dim,))
merge = Concatenate()([z, ly])

decoder_h = Dense(intermediate_dim, activation='relu')
decoder_mean = Dense(original_dim, activation='sigmoid')
h_decoded = decoder_h(merge)
x_decoded_mean = decoder_mean(h_decoded)

# ラベルありの時のモデル
labeled_M2 = Model([x,ly], x_decoded_mean)
labeled_M2.compile(optimizer='rmsprop', loss=vae_loss)


# データ整形
(x_train, y_train), (x_test, y_test) = mnist.load_data()

x_train = x_train.astype('float32') / 255.
x_test = x_test.astype('float32') / 255.
x_train = x_train.reshape((len(x_train), np.prod(x_train.shape[1:])))
x_test = x_test.reshape((len(x_test), np.prod(x_test.shape[1:])))


# トレーニングデータを100個選択

random_Num = np.random.randint(0,10000)
np.random.seed(random_Num)
np.random.shuffle(x_test)
np.random.seed(random_Num)
np.random.shuffle(y_test)
x_realtest = x_test[100:] # テストデータ
y_realtest = y_test[100:] # テストデータのラベル
x_test = np.delete(x_test, range(100,10000), axis=0)
y_test = np.delete(y_test, range(100,10000), axis=0)

# 教師なしデータ,教師ありデータ,テスト用データのラベルを,それぞれone-hot表現にする
y_train_cat = utils.to_categorical(y_train)
y_test_cat = utils.to_categorical(y_test)
y_realtest_cat = utils.to_categorical(y_realtest)

labeled_M2.fit([x_train, y_train_cat],
        shuffle=True,
        epochs=epochs,
        batch_size=batch_size)


# ラベルなしの時のモデル
uy = Dense(intermediate_dim, activation='relu')(x)
merge = Concatenate()([z, uy])
h_decoded = decoder_h(merge)
x_decoded_mean = decoder_mean(h_decoded)

unlabeled_M2 = Model([x,uy],x_decoded_mean)
unlabeled_M2.compile(optimizer='rmsprop', loss=vae_loss)

labeled_M2.summary()
unlabeled_M2.summary()
  • 気になる質問をクリップする

    クリップした質問は、後からいつでもマイページで確認できます。

    またクリップした質問に回答があった際、通知やメールを受け取ることができます。

    クリップを取り消します

  • 良い質問の評価を上げる

    以下のような質問は評価を上げましょう

    • 質問内容が明確
    • 自分も答えを知りたい
    • 質問者以外のユーザにも役立つ

    評価が高い質問は、TOPページの「注目」タブのフィードに表示されやすくなります。

    質問の評価を上げたことを取り消します

  • 評価を下げられる数の上限に達しました

    評価を下げることができません

    • 1日5回まで評価を下げられます
    • 1日に1ユーザに対して2回まで評価を下げられます

    質問の評価を下げる

    teratailでは下記のような質問を「具体的に困っていることがない質問」、「サイトポリシーに違反する質問」と定義し、推奨していません。

    • プログラミングに関係のない質問
    • やってほしいことだけを記載した丸投げの質問
    • 問題・課題が含まれていない質問
    • 意図的に内容が抹消された質問
    • 広告と受け取られるような投稿

    評価が下がると、TOPページの「アクティブ」「注目」タブのフィードに表示されにくくなります。

    質問の評価を下げたことを取り消します

    この機能は開放されていません

    評価を下げる条件を満たしてません

    評価を下げる理由を選択してください

    詳細な説明はこちら

    上記に当てはまらず、質問内容が明確になっていない質問には「情報の追加・修正依頼」機能からコメントをしてください。

    質問の評価を下げる機能の利用条件

    この機能を利用するためには、以下の事項を行う必要があります。

回答 1

0

回答になるかは分かりませんが、私は下記の3つを参考にして作成したことあります。

https://github.com/nnormandin/Conditional_VAE

https://github.com/hwalsuklee/tensorflow-mnist-CVAE

https://github.com/musyoku/variational-autoencoder

>現在、CVAEのプログラムを作ろうとしているところで、止まってしまっています。
こちらのエラーコードはありますか?

投稿

  • 回答の評価を上げる

    以下のような回答は評価を上げましょう

    • 正しい回答
    • わかりやすい回答
    • ためになる回答

    評価が高い回答ほどページの上位に表示されます。

  • 回答の評価を下げる

    下記のような回答は推奨されていません。

    • 間違っている回答
    • 質問の回答になっていない投稿
    • スパムや攻撃的な表現を用いた投稿

    評価を下げる際はその理由を明確に伝え、適切な回答に修正してもらいましょう。

  • 2018/05/09 13:19 編集

    ご回答、ありがとうございます。
    コードについては、質問に追記しました。
    損失関数は、仮で置いているだけなので、無視していただいて構いません。
    モデルの参考にしたのは、下記のサイトです。

    http://bjlkeng.github.io/posts/semi-supervised-learning-with-variational-autoencoders/

    キャンセル

関連した質問

同じタグがついた質問を見る

  • Python

    8671questions

    Pythonは、コードの読みやすさが特徴的なプログラミング言語の1つです。 強い型付け、動的型付けに対応しており、後方互換性がないバージョン2系とバージョン3系が使用されています。 商用製品の開発にも無料で使用でき、OSだけでなく仮想環境にも対応。Unicodeによる文字列操作をサポートしているため、日本語処理も標準で可能です。

  • 機械学習

    721questions

    機械学習は、データからパターンを自動的に発見し、そこから知能的な判断を下すためのコンピューターアルゴリズムを指します。人工知能における課題のひとつです。

  • Keras

    247questions

  • Model

    83questions

    MVCモデルの一部であるModelはアプリケーションで扱うデータとその動作を管理するために扱います。