現在株価の変動チャート画像を用いて株価の騰落予測分類を行うcnnモデルをchainerを用いて組んでおります。
プログラム自体は動くのですが内部の数値の可視化を行うとsoftmax関数で活性化した後の数値が[1,0]から全く変化しないのですがこれは学習が正しく行われていないということでしょうか?
variable([[1. 0.]
[1. 0.]
[1. 0.]
[1. 0.]
[1. 0.]
[1. 0.]
[1. 0.]
[1. 0.]
[1. 0.]
[1. 0.]
[1. 0.]
[1. 0.]
[1. 0.]
[1. 0.]
[1. 0.]
[1. 0.]
[1. 0.]
[1. 0.]
[1. 0.]
[1. 0.]])
バッチサイズ20、エポック100で活性化した後の出力を可視化してみるとこのようになっており、エポック100まで一切変化がありません。
入力は480×480×3の下図のような株価変動画像をを用いています
python
1import matplotlib.pyplot as plt 2import load_data 3import stock_data 4import img_to_vector 5import load_vector 6import numpy as np 7import chainer 8import chainer.links as L 9import chainer.functions as F 10from chainer import Chain, Variable, datasets, optimizers 11from chainer import report, training 12from chainer.training import extensions 13from chainer import iterators 14from chainer import serializers 15import chainer.cuda 16 17#データの準備 18sp500, topix500, usd_jpy = load_vector.load_vector() 19x_train, x_test = topix500[:2000], topix500[2000:] 20 21t_train, t_test = load_data.label(stock_data.teacher_dataset()[:2000]), load_data.label(stock_data.teacher_dataset()[2000:]) 22 23train = list(zip(x_train, t_train)) 24test = list(zip(x_test, t_test)) 25 26class CNN(Chain): 27 def __init__(self): 28 super(CNN, self).__init__() 29 with self.init_scope(): 30 self.cn1 = L.Convolution2D(None, 32, ksize=(5,3), pad=(0,1)) 31 self.cn2 = L.Convolution2D(None, 32, ksize=(5,3), pad=(0,1)) 32 self.fc1 = L.Linear(None, 128) 33 self.fc2 = L.Linear(128, 2) 34 35 def __call__(self, x, t=None): 36 h1 = F.max_pooling_2d(F.relu(self.cn1(x)), ksize=4, stride=4) 37 h2 = F.max_pooling_2d(F.relu(self.cn2(h1)), ksize=4, stride=4) 38 h3 = F.dropout(F.relu(self.fc1(h2))) 39 print(F.softmax(self.fc2(h3))) #**確認** 40 return F.softmax(self.fc2(h3)) 41 42 43model = CNN() 44net = L.Classifier(model) 45optimizer = optimizers.Adam().setup(net) 46 47batchsize = 20 48train_iter = chainer.iterators.SerialIterator(train, batchsize, repeat=True, shuffle=True) 49test_iter = chainer.iterators.SerialIterator(test, batchsize, repeat=False, shuffle=True) 50 51updater = training.StandardUpdater(train_iter, optimizer, device=-1) # device=-1でCPUでの計算実行を指定 52 53epoch = 100 54trainer = training.Trainer(updater, (epoch, 'epoch'), out='result') 55 56# テストデータで評価 57trainer.extend(extensions.Evaluator(test_iter, net, device = -1)) 58 59# 学習を記録 60trainer.extend(extensions.LogReport(trigger=(1, 'epoch'))) 61 62# グラフに描画、保存 63trainer.extend(extensions.PlotReport(['main/loss', 'validation/main/loss'], x_key='epoch', file_name='cnn2_loss.png')) 64trainer.extend(extensions.PlotReport(['main/accuracy', 'validation/main/accuracy'], x_key='epoch', file_name='cnn2_accuracy.png')) 65trainer.extend(extensions.PrintReport(['epoch', 'main/loss', 'main/accuracy','validation/main/loss', 'validation/main/accuracy','elapsed_time']), trigger=(1, 'epoch')) 66 67trainer.run() 68コード
あなたの回答
tips
プレビュー