質問編集履歴
2
目的を明確化
title
CHANGED
|
File without changes
|
body
CHANGED
|
@@ -1,6 +1,6 @@
|
|
|
1
1
|
Python3、Chainerでニューラルネットワークの勉強をしています。
|
|
2
2
|
適当なサンプルコードを書いて、学習結果の保存・読み込みを行おうと思っています。
|
|
3
|
-
学習自体は目的ではなく、あくまで保存・読み込みが目的です。
|
|
3
|
+
学習自体は目的ではなく、あくまで保存・読み込みの勉強が目的です。
|
|
4
4
|
|
|
5
5
|
```python
|
|
6
6
|
# モデルの読み込み(存在する場合)
|
1
コード全文追加
title
CHANGED
|
File without changes
|
body
CHANGED
|
@@ -38,4 +38,92 @@
|
|
|
38
38
|
|
|
39
39
|
どのようにしたら読み込めますでしょうか？
|
|
40
40
|
|
|
41
|
-
教えてください。
|
|
41
|
+
教えてください。
|
|
42
|
+
|
|
43
|
+
以下、コードの全文です。
|
|
44
|
+
|
|
45
|
+
```python
|
|
46
|
+
|
|
47
|
+
from chainer import Chain
|
|
48
|
+
from chainer import cuda, Function, gradient_check, Variable, optimizers, serializers, utils
|
|
49
|
+
import chainer.links as L
|
|
50
|
+
import chainer.functions as F
|
|
51
|
+
import numpy as np
|
|
52
|
+
import os
|
|
53
|
+
|
|
54
|
+
|
|
55
|
+
|
|
56
|
+
class MyChain(Chain):
|
|
57
|
+
def __init__(self):
|
|
58
|
+
super(MyChain, self).__init__(
|
|
59
|
+
l1 = L.Linear(2, 10),
|
|
60
|
+
l2 = L.Linear(10, 10),
|
|
61
|
+
l3 = L.Linear(10, 1))
|
|
62
|
+
|
|
63
|
+
def __call__(self, x, y):
|
|
64
|
+
xv = Variable(x)
|
|
65
|
+
yv = Variable(y)
|
|
66
|
+
pr = self.predict(xv)
|
|
67
|
+
return F.mean_squared_error(pr, yv)
|
|
68
|
+
|
|
69
|
+
def predict(self, x):
|
|
70
|
+
h1 = self.l1(x)
|
|
71
|
+
h2 = self.l2(h1)
|
|
72
|
+
h3 = self.l3(h2)
|
|
73
|
+
return h3
|
|
74
|
+
|
|
75
|
+
def createData(max, N):
|
|
76
|
+
# 適当にデータを作って掛け算を学習してみる。
|
|
77
|
+
xs1 = np.linspace(-max, max, N).astype(np.float32)
|
|
78
|
+
xs2 = np.random.normal(0, max, N).astype(np.float32)
|
|
79
|
+
return np.c_[xs1, xs2], np.c_[xs1*xs2]
|
|
80
|
+
|
|
81
|
+
|
|
82
|
+
rangeMax = 13.5
|
|
83
|
+
|
|
84
|
+
N = 1200
|
|
85
|
+
batchSize = 10
|
|
86
|
+
xtrain, ytrain = createData(rangeMax, N)
|
|
87
|
+
xtest, ytest = createData(rangeMax, 1000)
|
|
88
|
+
|
|
89
|
+
|
|
90
|
+
# モデルの読み込み(存在する場合)
|
|
91
|
+
modelFileName = "kakezan-model.npz"
|
|
92
|
+
if os.path.exists(modelFileName):
|
|
93
|
+
model = MyChain()
|
|
94
|
+
serializers.load_npz(modelFileName, model)
|
|
95
|
+
else:
|
|
96
|
+
model = MyChain()
|
|
97
|
+
|
|
98
|
+
# optimizerの読み込み(存在する場合)
|
|
99
|
+
optimizerFileName = "kakezan-optimizer.npz"
|
|
100
|
+
if os.path.exists(optimizerFileName):
|
|
101
|
+
optimizer = optimizers.SMORMS3()
|
|
102
|
+
serializers.load_npz(optimizerFileName, optimizer)
|
|
103
|
+
else:
|
|
104
|
+
optimizer = optimizers.SMORMS3()
|
|
105
|
+
optimizer.setup(model)
|
|
106
|
+
|
|
107
|
+
for epoch in range(120):
|
|
108
|
+
perm = np.random.permutation(N)
|
|
109
|
+
|
|
110
|
+
for i in range(0, N, batchSize):
|
|
111
|
+
# ランダムにbatchSize個のデータを取得
|
|
112
|
+
x_batch = xtrain[perm[i:i + batchSize]]
|
|
113
|
+
y_batch = ytrain[perm[i:i + batchSize]]
|
|
114
|
+
|
|
115
|
+
model.zerograds()
|
|
116
|
+
loss = model(x_batch, y_batch)
|
|
117
|
+
loss.backward()
|
|
118
|
+
optimizer.update()
|
|
119
|
+
|
|
120
|
+
if 0 < epoch and epoch % 30 == 0:
|
|
121
|
+
loss = model(xtest, ytest)
|
|
122
|
+
print(loss.data)
|
|
123
|
+
serializers.save_npz(modelFileName, model)
|
|
124
|
+
serializers.save_npz(optimizerFileName, optimizer)
|
|
125
|
+
|
|
126
|
+
|
|
127
|
+
|
|
128
|
+
|
|
129
|
+
```
|