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

90.50%

  • Python

    8026questions

    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

    688questions

    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。

  • 深層学習

    146questions

Pythonの勾配法の実装でTypeErrorが出る

解決済

回答 1

投稿

  • 評価
  • クリップ 0
  • VIEW 120

 前提・実現したいこと

機械学習初学者の者です。O'Reilly社の「ゼロから作るDeepLearning」の114〜117ページのコードを写経していたのですが、勾配を求める処理net.numerical_gradient()中の重みパラメタW1について勾配を求値するnumerical_gradient(loss_W, self.params['W1'])内のgrad[idx] = (fxh1 - fxh2) / (2*h)で、以下のようなエラーが発生します。

  File "sdg1.py", line 89, in numerical_gradient
    grads['W1'] = numerical_gradient(loss_W, self.params['W1'])
  File "sdg1.py", line 29, in numerical_gradient
    grad[idx] = (fxh1 - fxh2) / (2*h)
TypeError: unsupported operand type(s) for -: 'NoneType' and 'NoneType'

numerical_gradient()を本付属のURLから入手したコードに置き換えても同様のエラーが発生します。自分なりに考えられるものは色々と試しては見たのですが、どうにも埒が明きません。ご教授いただけると助かります。

 コード (sdg1.py)

#import sys, os
#sys.path.append(os.pardir)
#from common.functions import *
#from dlfsm.common.gradient import numerical_gradient
import numpy as np

def sigmoid(x):
    return 1 / (1 + np.exp(-x))

def softmax(a):
    c = np.max(a)
    exp_a = np.exp(a - c)
    sum_exp_a = np.sum(exp_a)
    y = exp_a / sum_exp_a
    return y

def numerical_gradient(f, x):
    h = 1e-4 # 0.0001
    grad = np.zeros_like(x)
    it = np.nditer(x, flags=['multi_index'], op_flags=['readwrite'])
    while not it.finished:
        idx = it.multi_index
        tmp_val = x[idx]
        x[idx] = float(tmp_val) + h
        fxh1 = f(x) # f(x+h)

        x[idx] = tmp_val - h
        fxh2 = f(x) # f(x-h)
        grad[idx] = (fxh1 - fxh2) / (2*h)

        x[idx] = tmp_val # 値を元に戻す
        it.iternext()

    return grad


def cross_entropy_error(y, t, label=False):

    if y.ndim == 1:
        t = t.reshape(1, t.size)
        y = y.reshape(1, y.size)
        batch_size = y.shape[0]
        delta = 0
        if label == True:
            return -np.sum(np.log(y[np.arange(batch_size), t]) + delta) / batch_size
        else:
            return -np.sum(t * np.log(y + delta)) / batch_size


class TwoLayerNet:

    def __init__(self, input_size, hidden_size, output_size, weight_init_std=0.01):

        #重みの初期化
        self.params = {};
        self.params['W1'] = weight_init_std * np.random.randn(input_size, hidden_size)
        self.params['b1'] = np.zeros(hidden_size)
        self.params['W2'] = weight_init_std * np.random.randn(hidden_size, output_size)
        self.params['b2'] = np.zeros(output_size)

    def predict(self, x):
        W1, W2 = self.params['W1'], self.params["W2"]
        b1, b2 = self.params['b1'], self.params["b2"]

        a1= np.dot(x, W1) + b1
        z1 = sigmoid(a1)
        a2 = np.dot(z1, W2) + b2
        y = softmax(a2)

        return y

    def loss(self, x, t):
        y = self.predict(x)

        return cross_entropy_error(y, t)

    def accuracy(self, x, t):
        y = predict(x)
        y = np.argmax(y, axis=1)
        t = np.argmax(t, axis=1)

        accuracy = np.sum(y == t) / float(x.shape[0])
        return accuracy

    def numerical_gradient(self, x, t):
        loss_W = lambda W: self.loss(x, t)

        grads = {}
        grads['W1'] = numerical_gradient(loss_W, self.params['W1'])
        grads['b1'] = numerical_gradient(loss_W, self.params['b1'])
        grads['W2'] = numerical_gradient(loss_W, self.params['W2'])
        grads['b2'] = numerical_gradient(loss_W, self.params['b2'])

        return grads

net = TwoLayerNet(input_size=784, hidden_size=100, output_size=10)
print(net.params['W1'].shape)
print(net.params['b1'].shape)
print(net.params['W2'].shape)
print(net.params['b2'].shape)

x = np.random.rand(100, 784)
y = net.predict(x)
print(y)

x = np.random.rand(100, 784)
t = np.random.rand(100, 10)

grads = net.numerical_gradient(x, t)
print(grads)


(※)PythonのバージョンはAnacondaの3.6.4です。

  • 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。

質問への追記・修正、ベストアンサー選択の依頼

  • tachikoma

    2018/07/25 09:26

    accuracyの中のpredictはself.predictですかね。

    キャンセル

  • chizu-daisuki

    2018/07/25 09:30 編集

    あっ、そうですね。ご指摘ありがとうございます。self.predictですね。

    キャンセル

回答 1

checkベストアンサー

+2

関数はreturn文が実行されなかった場合、Noneを返します。

cross_entropy_error()y.ndim == 1Falseのとき、返り値がNoneになるのが問題なのでしょう。

    def loss(self, x, t):
        y = self.predict(x)

        return cross_entropy_error(y, t)  # ここでNoneが返るのかな

    # ...中略

    def numerical_gradient(self, x, t):
        loss_W = lambda W: self.loss(x, t)  # self.loss()を使う

投稿

編集

  • 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。

  • 2018/07/25 09:44

    そうか、インデントを間違えて全処理がif内に入っていたからNoneが返っていたのですね。ご回答本当にありがとうございます。

    キャンセル

15分調べてもわからないことは、teratailで質問しよう!

  • ただいまの回答率 90.50%
  • 質問をまとめることで、思考を整理して素早く解決
  • テンプレート機能で、簡単に質問をまとめられる

関連した質問

  • 解決済

    演算子のカスタマイズでAttributeErrorが出る

    お世話になります。 python入門(2&3)対応で学習しています。 p235部分で演算子のカスタマイズ:特殊メソッドを使うことでインスタンスの様々な挙動をカスタマイズできる。

  • 解決済

    Tensorflowのfully_connected_feedの実行にエラーが続く

    tensoflowのfully_connected_feed.pyを実行しようとしているのですが、どう試行錯誤してもエラーが続きます。 tensorflowのインストールの仕方、

  • 解決済

    Python3でのP制御の発散について

    前提・実現したいこと Python3を用いて制御工学のP制御〜PID制御を学びたいと思い書きました。 目標は自由落下の物体に対して下から加速度を与え、100m付近で安定させることで

  • 解決済

    cythonの型定義

    cythonファイルに型を定義したいです もともとのpyxファイルと 自分で型を定義したときのコードをのせます gamma1.pyx from math import exp

  • 受付中

    TensorFlowを用いた画像認識(CNN法)で用いる画像のサイズが分からない.

    以下のコードでCNNを用いたニューラルネットワークを構築する際,データセットの画像サイズを統一しなければならないか知りたいです. どなたか詳しい方教えて頂けませんでしょうか.

  • 解決済

    tensorflowでのalexnetの実装で精度が変化しない

    前提・実現したいこと こんにちは。 趣味で画像認識を勉強しているものです。 「tensorflowでゆるゆりの製作会社を判定してみた」(http://mobiles-han.blo

  • 解決済

    ゼロから学ぶDeepLearning 4章についての質問

    前提・実現したいこと 現在ゼロから学ぶDeepLearningを使用して機械学習について勉強しています。 その中で、第四章の二層のネットワーク作成で躓いてしまったことがありました。

  • 解決済

    ngramの実装について mecab部分の除去

     前提・実現したいこと 私はサイト上のテキストの中にどのような単語が多く含まれ出現しているのか調べるプログラムを現在組んでいます。その中で、形態素解析を先にしたプログラムを作り、そ

同じタグがついた質問を見る

  • Python

    8026questions

    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

    688questions

    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。

  • 深層学習

    146questions