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。

Python

Pythonは、コードの読みやすさが特徴的なプログラミング言語の1つです。 強い型付け、動的型付けに対応しており、後方互換性がないバージョン2系とバージョン3系が使用されています。 商用製品の開発にも無料で使用でき、OSだけでなく仮想環境にも対応。Unicodeによる文字列操作をサポートしているため、日本語処理も標準で可能です。

Q&A

解決済

2回答

1515閲覧

Kerasによるmnistデータの学習について

chem_search

総合スコア30

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。

Python

Pythonは、コードの読みやすさが特徴的なプログラミング言語の1つです。 強い型付け、動的型付けに対応しており、後方互換性がないバージョン2系とバージョン3系が使用されています。 商用製品の開発にも無料で使用でき、OSだけでなく仮想環境にも対応。Unicodeによる文字列操作をサポートしているため、日本語処理も標準で可能です。

0グッド

0クリップ

投稿2020/10/27 07:45

前提・実現したいこと

東大松尾研のDL4USで学習をしています。
Section1-1でKerasを用いてmnistのデータを
MLPで学習させる項目があります。

学習自体は進行するのですが、その正答率が
非常に低く出てしまいます。(下記の通り)

![イメージ説明

これはこの程度のaccuracyが通常なのでしょうか。
もしくは、用いているKeras、PythonのVersionによるものなのでしょうか。

該当のソースコード

Python

1from tensorflow.keras.datasets import mnist 2 3(x_train, y_train), (x_test, y_test) = mnist.load_data() 4 5 6from tensorflow.keras.utils import to_categorical 7 8# 入力画像を行列(28x28)からベクトル(長さ784)に変換 9x_train = x_train.reshape(-1, 784) 10x_test = x_test.reshape(-1, 784) 11 12# 名義尺度の値をone-hot表現へ変換 13y_train = to_categorical(y_train) 14y_test = to_categorical(y_test) 15 16from tensorflow.keras.models import Sequential 17from tensorflow.keras.layers import Dense, Activation 18 19# モデルの「容器」を作成 20model = Sequential() 21 22# 「容器」へ各layer(Dense, Activation)を積み重ねていく(追加した順に配置されるので注意) 23# 最初のlayerはinput_shapeを指定して、入力するデータの次元を与える必要がある 24model.add(Dense(units=256, input_shape=(784,))) 25model.add(Activation('relu')) 26model.add(Dense(units=100)) 27model.add(Activation('relu')) 28model.add(Dense(units=10)) 29model.add(Activation('softmax')) 30 31# モデルの学習方法について指定しておく 32model.compile(loss='categorical_crossentropy', 33 optimizer='sgd', 34 metrics=['accuracy']) 35 36model.fit(x_train, y_train, 37 batch_size=1000, epochs=10, verbose=1, 38 validation_data=(x_test, y_test)) 39

補足情報(FW/ツールのバージョンなど)

Python 3.7.4
Tensorflow 2.1.0

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2

0

すいません、既に解決済みになっているようですが、少し気になったので補足します。
Optimizerなどの選択ももちろん重要だと思いますが、SGDは最もbasicなoptimizerであり、MNISTのデータであっても通常は正しく学習できます。今回はそもそも学習がまともにできていない状態です。

ざっと見て違和感があったのは、MNISTデータの前処理の段階で、255で除算していないところです。MNISTは最大値が255のint型として収納されているため、通常は255で割ってあげて0-1の範囲のfloatにしてからネットワークに入力します。そのままの状態でもネットワークに入力すること自体は可能ですが、ネットワークが想定している入力の範囲(0-1)を大きく入る数値がinputされていまうため、SGDなどの古典的なoptimzerでは最適解にたどり着けず発散してしまうのだと思います。その点、RMSprop()などのより発展的なoptimzerは、そういった入力に対してもいわば力業で学習を進めることができてしまいます。ただ、どんなタスクにおいてもより新しいoptimizerが優れているというわけではなく、データセットのサイズや多様性、モデルの大きさなどによっても変わってくるため、一概には言えません。

今回のコードの場合、

Python

1# 入力画像を行列(28x28)からベクトル(長さ784)に変換 2x_train = x_train.reshape(-1, 784) 3x_test = x_test.reshape(-1, 784) 4 5# [0-255]の値を[0.0-1.0]に変換 6x_train /= 255 7x_test /= 255

のようにしてあげることで、SGDでも問題なく学習が進みます。一度試してみてください。

投稿2020/10/27 13:40

Ryomax

総合スコア68

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。

meg_

2020/10/29 06:54

私も以前困っていました。そういう理由だったのですね。やり直したところ、accuracy 87.7%まで改善しました。 スッキリしました。ありがとうございます。
chem_search

2020/10/30 04:06

補足ありがとうございます。 私のほうでも255で除算してからsgdで試したところ、同じくaccuracy 87.7%まで向上しました。 変数のスケーリングでここまで大きな差が出るとは思いませんでした。 今後注意して取り扱おうと思います。ありがとうございました。
guest

0

ベストアンサー

私も初心者で専門外かつ独学なので的を得ているかどうか自信がありませんが, optimizerを変更すればうまく学習します. おそらくSGDでも行けますが, そのあたりのパラメータ調整は勉強になるのでご自身でされたほうが良いかと

モデルコンパイルの

Python

1model.compile(loss='categorical_crossentropy', 2 optimizer='sgd', 3 metrics=['accuracy'])

という部分を以下に書き換えました.

Python

1from tensorflow.keras.optimizers import RMSprop 2model.compile(loss='categorical_crossentropy', 3 optimizer = RMSprop(), 4 metrics=['acc'])

google colabで実行して以下です
イメージ説明

あと余計なお世話かもしれませんが, 学習する際にはaccとlossのプロットをしておくと何が起きているのか(overfittingやunderfitting)がわかっていいとおもいます.

参考に
Keras Documentation
https://keras.io/ja/optimizers/

投稿2020/10/27 08:42

Markovq

総合スコア16

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。

chem_search

2020/10/27 10:23

ありがとうございます。 ご指摘いただいた通りoptimizerを変更したところ、無事に学習が進みました。 どういったデータの種類にどういった方法が最適なのかという点に関しては、これから勉強していこうと思います。 なぜもともとのコードが上手く学習が進まないSGDを用いていたのか不思議ですが……。 昔のバージョンだとうまく学習が進むんでしょうか。
Markovq

2020/10/27 10:39 編集

どういたしまして SGDでもうまくいくと思います. 試しにパラメータをいじってみてはいかがでしょうか from tensorflow.keras.optimizers import SGD model.compile(loss='categorical_crossentropy', optimizer=SGD(lr=0.01, momentum=0.0, decay=0.0, nesterov=False) metrics=['accuracy']) のlr (learning rate)を10倍 or 1/10とかずつしてみて, 最適化すれば多分どこかで学習できると思います. RMSpropやAdamなどはチューニングしなくてもうまくいくことが多々ありますが, SGDはデフォルトではうまくいかないのかなと理解しています lrは学習をうまく進めるうえでのキーとなるパラメータなので, この辺の調整に慣れるのは大事かなーと素人ながら思っております
chem_search

2020/10/27 10:45

なるほど、最適化の部分の変化で結果に大きな差が出るんですね。 これからいろいろと自分で試しつつ進めていこうと思います。 ありがとうございました!
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