Pythonの勾配法の実装でTypeErrorが出る

Question

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。

Comments

[tachikoma]

accuracyの中のpredictはself.predictですかね。

[chizu-daisuki]

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。

Answer 1

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()でy.ndim == 1がFalse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

Comments

[chizu-daisuki]

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。