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

90.40%

  • Python 3.x

    10683questions

    Python 3はPythonプログラミング言語の最新バージョンであり、2008年12月3日にリリースされました。

chainerで学習曲線をplotしたい

受付中

回答 0

投稿

  • 評価
  • クリップ 0
  • VIEW 531

ChainerでMNISTを使ってNNを実装したんですがaccuracyとlossのPlotの方法がわかりません。できればモデルA,モデルBでの結果を比較できるような形でPlotしたいです。最適化も比較できれば尚いいです。よろしくお願いします。

import matplotlib.pyplot as plt
from chainer import cuda
from chainer import serializer
import chainer
from chainer import functions as F
from chainer import links as L
from chainer import Variable
import numpy as np
from chainer import optimizers
from chainer import training


train_full, test_full = chainer.datasets.get_mnist()
train = chainer.datasets.SubDataset(train_full, 0, 1000)
test = chainer.datasets.SubDataset(test_full, 0, 1000)


batchsize = 30
train_iter = chainer.iterators.SerialIterator(train, batchsize)
test_iter = chainer.iterators.SerialIterator(test, batchsize,
                                             repeat = False, shuffle = False)


class MultilayerPerceptron(chainer.Chain):

    def __init__(self, n_units, n_out):
        super(MultilayerPerceptron, self).__init__()
        with self.init_scope():
            # full combination
            # at the same time, create a weight matrix (n_inputs, n_units)
            self.l1 = L.Linear(None, n_units)  # n_in -> n_units
            self.l2 = L.Linear(None, n_units)  # n_units -> n_units
            self.l3 = L.Linear(None, n_out)    # n_units -> n_out
            self.bn = L.BatchNormalization(n_units)

    def __call__(self, x):
        h1 = self.l1(x)
        hb1 = F.relu(h1)
        h2 = self.l2(hb1)
        hb2 = F.relu(self.l2(h2))
        y = self.l3(hb2)
        return y


class MultilayerPerceptronV2(MultilayerPerceptron):

    def __call__(self, x):
        # most common activation function
        h1 = self.l1(x)
        b1 = self.bn(h1)
        hb1 = F.relu(b1)
        h2 = self.l2(hb1)
        b2 = self.bn(h2)
        hb2 = F.relu(self.l2(b2))
        y = self.l3(hb2)
        return y


model = L.Classifier(MultilayerPerceptron(784, 10))
# choose optimizer
# AdaDelta, AdaGrad, Adam, MomentumSGD, NesterovAG, RMSprop, RMSpropGraves, SGD, SMORMS3
opt = optimizers.SGD()
# self.setup(Link or Chain)
opt.setup(model)

# device=-1 means Using CPU
updater = training.StandardUpdater(train_iter, opt, device=-1)

epoch = 10
trainer = training.Trainer(updater, (epoch, 'epoch'), out='/tmp/result')
trainer.extend(training.extensions.Evaluator(test_iter, model, device=-1))
trainer.extend(training.extensions.LogReport(trigger=(1, "epoch")))
trainer.extend(training.extensions.PrintReport(
    ['epoch', 'main/loss', 'main/accuracy', 'validation/main/loss', 'validation/main/accuracy', 'elapsed_time']),
    trigger=(1, "epoch"))
trainer.run()
  • 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。

まだ回答がついていません

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 90.40%
  • 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

同じタグがついた質問を見る

  • Python 3.x

    10683questions

    Python 3はPythonプログラミング言語の最新バージョンであり、2008年12月3日にリリースされました。