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

88.77%

Pythonで実装されている勾配降下法の動作がわからない(ゼロから作るディープラーニング 4.5.1)

解決済

回答 1

投稿 編集

  • 評価
  • クリップ 0
  • VIEW 1,519

faker

score 20

 Pythonで実装されている勾配降下法の動作がわからない

再帰関数?を使っているようなのですが、どうやって動作しているのかがわかりません。
関数numerical_gradientの動作がわかりません。

 該当のソースコード

import sys, os
sys.path.append(os.pardir)  # 親ディレクトリのファイルをインポートするための設定
from common.functions import *
from common.gradient import numerical_gradient


class TwoLayerNet:
    # 引数は、入力層、隠れ層、出力層のニューロン数,学習率
    def __init__(self, input_size, hidden_size, output_size, weight_init_std=0.01):
        # 重み,バイアスの初期化
        self.params = {} # 重み、バイアスのパラメータを保持する辞書型の変数
        self.params['W1'] = weight_init_std * np.random.randn(input_size, hidden_size)
        self.params['b1'] = np.zeros(hidden_size) # ゼロで初期化
        self.params['W2'] = weight_init_std * np.random.randn(hidden_size, output_size)
        self.params['b2'] = np.zeros(output_size)
        #{"W1" : (input_size,hidden_size)のnumpy配列 , "b1" : (hidden_size)のnumpy配列 , ... }
    # 推論をする
    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

    # x:入力データ, t:正解ラベル(教師データ)
    # 損失関数を求める
    def loss(self, x, t):
        y = self.predict(x)

        return cross_entropy_error(y, t)
    #認識精度を求める
    def accuracy(self, x, t):
        y = self.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

    # x:入力データ, t:教師データ
    # 重みパラメータを対する勾配(各要素を偏微分してベクトルにまとめたもの)を求める
    def numerical_gradient(self, x, t):
        # Wはダミーの変数
        loss_W = lambda W: self.loss(x, t)

        grads = {}
        # 無限ループにならない?
        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

 試したこと

numerical_gradient関数の中にprintを書いて、何回printされるか試しました。
1回しかprintされず、よくわからなくなったためここで質問をしました。

 補足情報(FW/ツールのバージョンなど)

「ゼロから作るディープラーニング」4.5.2 p.113~114のプログラムです。
Githubにプログラムがアップロードされており、
https://github.com/oreilly-japan/deep-learning-from-scratch/tree/master/ch04
の「two_layer_net.py」です。

初心者のため、質問内容で疑問に思ったことがあれば質問していただけると自分がわかる範囲で答えます。
よろしくお願いします。

  • 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
    • 過去に投稿した質問と同じ内容の質問
    • 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

checkベストアンサー

+1

grads['W1'] = numerical_gradient(loss_W, self.params['W1'])は自身(メンバ関数)ではなく
from common.gradient import numerical_gradientimportしたnumerical_gradient関数を呼んでいるため
再帰はしていません。

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。

  • 2018/11/25 10:24

    たしかにそうですね......!簡潔で分かりやすい回答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 88.77%
  • 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

同じタグがついた質問を見る

  • トップ
  • Pythonに関する質問
  • Pythonで実装されている勾配降下法の動作がわからない(ゼロから作るディープラーニング 4.5.1)