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!

新規登録して質問してみよう
ただいま回答率
85.50%
Keras

Kerasは、TheanoやTensorFlow/CNTK対応のラッパーライブラリです。DeepLearningの数学的部分を短いコードでネットワークとして表現することが可能。DeepLearningの最新手法を迅速に試すことができます。

深層学習

深層学習は、多数のレイヤのニューラルネットワークによる機械学習手法。人工知能研究の一つでディープラーニングとも呼ばれています。コンピューター自体がデータの潜在的な特徴を汲み取り、効率的で的確な判断を実現することができます。

Anaconda

Anacondaは、Python本体とPythonで利用されるライブラリを一括でインストールできるパッケージです。環境構築が容易になるため、Python開発者間ではよく利用されており、商用目的としても利用できます。

Python 3.x

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。

機械学習

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。

Q&A

解決済

1回答

5386閲覧

Kerasの変分オートエンコーダ(VAE)サンプルコードの損失関数につい

tska

総合スコア13

Keras

Kerasは、TheanoやTensorFlow/CNTK対応のラッパーライブラリです。DeepLearningの数学的部分を短いコードでネットワークとして表現することが可能。DeepLearningの最新手法を迅速に試すことができます。

深層学習

深層学習は、多数のレイヤのニューラルネットワークによる機械学習手法。人工知能研究の一つでディープラーニングとも呼ばれています。コンピューター自体がデータの潜在的な特徴を汲み取り、効率的で的確な判断を実現することができます。

Anaconda

Anacondaは、Python本体とPythonで利用されるライブラリを一括でインストールできるパッケージです。環境構築が容易になるため、Python開発者間ではよく利用されており、商用目的としても利用できます。

Python 3.x

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。

機械学習

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。

0グッド

0クリップ

投稿2020/01/17 08:05

変分オートエンコーダ(VAE)の実装にて、Kerasのサンプルコード(https://keras.io/examples/variational_autoencoder/)を利用したいと思ったのですが、
損失関数の部分の条件分岐が理解できません。
平均二乗誤差と交差エントロピー誤差をどう使い分けているのでしょうか。

if __name__ == '__main__': parser = argparse.ArgumentParser() help_ = "Load h5 model trained weights" parser.add_argument("-w", "--weights", help=help_) help_ = "Use mse loss instead of binary cross entropy (default)" parser.add_argument("-m", "--mse", help=help_, action='store_true') args = parser.parse_args() models = (encoder, decoder) data = (x_test, y_test) # VAE loss = mse_loss or xent_loss + kl_loss if args.mse: reconstruction_loss = mse(inputs, outputs) else: reconstruction_loss = binary_crossentropy(inputs, outputs) reconstruction_loss *= original_dim kl_loss = 1 + z_log_var - K.square(z_mean) - K.exp(z_log_var) kl_loss = K.sum(kl_loss, axis=-1) kl_loss *= -0.5 vae_loss = K.mean(reconstruction_loss + kl_loss) vae.add_loss(vae_loss) vae.compile(optimizer='adam') vae.summary() plot_model(vae, to_file='vae_mlp.png', show_shapes=True) if args.weights: vae.load_weights(args.weights) else: # train the autoencoder vae.fit(x_train, epochs=epochs, batch_size=batch_size, validation_data=(x_test, None)) vae.save_weights('vae_mlp_mnist.h5') plot_results(models, data, batch_size=batch_size, model_name="vae_mlp")

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MY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。

バッドをするには、ログインかつ

こちらの条件を満たす必要があります。

guest

回答1

0

ベストアンサー

reconstruction_lossは再構成誤差の事で、ネットワークの入力データと出力データを一致させるための損失関数です。

この損失関数には、平均二乗誤差もしくは交差エントロピー誤差を使う場合があります。

平均二乗誤差の場合

この場合はデータの再構成を回帰問題としてとらえて、素朴に入力と出力の各ピクセルごとに2乗誤差を計算し、
これを最小にしようとすることで再構成を行います。

交差エントロピー誤差の場合

この損失関数を用いる場合は、入力と出力のかくピクセル値を01の値に変換し、それぞれの値がベルヌーイ分布であると仮定している場合です。
つまりこの時の各ピクセル値(0
1)は、そのピクセルが黒(もしくは白)である確率を表していると仮定しています。

どちらの損失関数の方がふさわしいかは学習に用いるデータにも依存すると思うので、一度どちらも試してみてはいかがでしょうか。
交差エントロピーを用いる場合は入力と出力の各ピクセルが0~1の値になるよう調整してあげましょう。
参考になれば幸いです。

投稿2020/01/17 08:43

tkymtmt

総合スコア143

バッドをするには、ログインかつ

こちらの条件を満たす必要があります。

tska

2020/01/17 09:07

ご回答ありがとうございます。 このサンプルコードをそのまま動かすと、どちらの損失関数が使われるようになっているのでしょうか。 ``` parser = argparse.ArgumentParser() help_ = "Load h5 model trained weights" parser.add_argument("-w", "--weights", help=help_) help_ = "Use mse loss instead of binary cross entropy (default)" parser.add_argument("-m", "--mse", help=help_, action='store_true') args = parser.parse_args() models = (encoder, decoder) data = (x_test, y_test) ``` の内容がわかりません、、、
tkymtmt

2020/01/17 09:24

そのコードでは、python のargparseというモジュールを使ってコマンドラインオプションを受け取っています。 つまり、平均二乗誤差を使いたければそのpython ファイルを実行する際に、python hogehoge.py --mseというようにオプションをつけて実行してみましょう。 オプションをつけない場合、デフォルトで交差エントロピーが採用されるようです。 argparseモジュールについてくわしく知りたければ公式サイト(https://docs.python.org/ja/3/howto/argparse.html)を参照してみてください。
tska

2020/01/20 05:34

ご親切にとてもわかりやすい回答ありがとうございます。 理解できました。
guest

あなたの回答

tips

太字

斜体

打ち消し線

見出し

引用テキストの挿入

コードの挿入

リンクの挿入

リストの挿入

番号リストの挿入

表の挿入

水平線の挿入

プレビュー

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
85.50%

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る

質問する

関連した質問