やまメモ

情報系学生の勉強日記

新しいデスクトップPC購入しました!!

タイトルの通り, 新しいデスクトップを購入しました!!

—スペック—
CPU: Core i7 7700K
GPU: GeForce GTX 1070(8G)
メモリ: 8GB
SSD: 240GB
HDD: 1TB

感想…いい感じ!!(語彙力w)

来週あたりに届くから楽しみ 届いたら早速Ubuntuインストールしよっと!

やっとChainerが動いた!!

今日一日Chainerを動かすことだけを考えて過ごした…
いい一日だった…

で, 動いたソースコードはこちら↴

# -*- coding: utf-8 -*-
import numpy as np
import chainer
from chainer import cuda, Function, gradient_check, report, training, utils, Variable
from chainer import datasets, iterators, optimizers, serializers
from chainer import Link, Chain, ChainList
import chainer.functions as F
import chainer.links as L
from chainer.training import extensions


class Model(Chain):

    def __init__(self, n_units, n_out):
        super(Model, self).__init__(
            l1=L.Linear(None, n_units),
            l2=L.Linear(None, n_units),
            l3=L.Linear(None, n_units),
            l4=L.Linear(None, n_out),
        )

    def __call__(self, x):
        h1 = F.relu(self.l1(x))
        h2 = F.relu(self.l2(h1))
        h3 = F.relu(self.l3(h2))
        return F.relu(self.l4(h3))



def main():

    epoch = 200

    model = Model(64, 1)
    optimizer = optimizers.Adam()
    optimizer.use_cleargrads()
    optimizer.setup(model)

    is_gpu = True
    if(is_gpu):
        gpu_device = 0
        cuda.get_device(gpu_device).use()
        model.to_gpu(gpu_device)
        xp = cuda.cupy
    else:
        xp = np

    data = []
    for i in range(1, 10):
        for j in range(1, 10):
            data.append([xp.array([i, j], dtype=xp.float32),
                         xp.array([i * j], xp.float32)])

    loss = None
    for i in range(epoch):
        for x, t in data:
            model.cleargrads()
            y = model(Variable(x.reshape((1, 2))))
            t = Variable(t.reshape((1, 1)))
            loss = F.mean_squared_error(y, t)
            loss.backward()
            optimizer.update()
        print("epoch = ", i, " / ", end="")
        print("loss = ", loss.data)

    # テスト
    flag = True
    while(flag):
        print("数値: ")
        one = int(input())
        two = int(input())
        d = xp.array([one, two], dtype=xp.float32)
        answer = model(Variable(d.reshape((1, 2))))
        print("答え = ", answer.data)


if __name__ == '__main__':
    main()

入力に掛け算の数字([1, 1], [1, 2], …, [6, 7], …, [9, 9])
正解データにその答え([1], [2], …, [42], …, [81])
を与えている.
一日エラー出まくって悩んだ結果, 入力と出力の型をちゃんと指定しないといけなくなったらしい…
今までPythonで型とか気にしたこと無かったから勉強するいい機会になった.
てか, numpyあんま詳しくないまま機械学習に手出したからつまづきまくった.
numpy調べてると, ああ, これ数学勉強し直さなあかんってなったので空き時間見つけて勉強することにしよう…

まあ今回は動いただけだから精度も良くないけど初Chainerということで
これからもっとChainerとか機械学習, 強化学習詳しくなるぜ!!

ChainerのTrainerが分からない...

この一週間, Docmentや他の紹介記事を見てChainerの使い方を勉強していたが
Trainerの使い方が意味不明…

試しに掛け算を学習させてみようと思い
入力データとして[1, 1], [1, 2], …, [9, 9]のVariableと
正解データとして[1], [2], …, [81]のVariableを用意してみた.

恐らくTrainerを使わずに実装するとあっさり動くんだろうけどなんとしてもTrainerを使ってみたい.

# -*- coding: utf-8 -*-
import numpy as np
import sys
import chainer
from chainer import cuda, Function, gradient_check, report
from chainer import training, utils, Variable
from chainer import datasets, iterators, optimizers, serializers
from chainer import Link, Chain, ChainList
import chainer.functions as F
import chainer.links as L
from chainer.training import extensions


class MyChain(Chain):

    def __init__(self, n_units, n_out):
        super(MyChain, self).__init__(
            l1=L.Linear(None, n_units),
            l2=L.Linear(None, n_units),
            l3=L.Linear(None, n_out),
        )

    def __call__(self, x):
        h1 = F.relu(self.l1(x))
        h2 = F.relu(self.l2(h1))
        return F.relu(self.l3(h2))


def main():
    is_gpu = True  # CPUの場合はFalse
    xp = cuda.cupy if is_gpu else np

    batchsize = 3
    model = MyChain(32, 1)

    # x_data : トレーニングデータ
    # t_data : 正解データ
    x_data = []
    t_data = []
    for i in range(1, 10):
        for j in range(1, 10):
            x_data.append(Variable(xp.array([i, j], dtype=xp.float32)))
            t_data.append(Variable(xp.array([i * j], dtype=xp.float32)))

    # 最適化
    opt = optimizers.Adam()
    opt.use_cleargrads()
    opt.setup(model)

    train_iter = chainer.iterators.SerialIterator(x_data, batchsize)
    updater = training.StandardUpdater(train_iter, opt)
    trainer = training.Trainer(updater, (2000, 'epoch'), out='result')
    trainer.run()


if __name__ == '__main__':
    main()

そもそも正解データ参照すらしてない(笑)
まずこんなしょうもないソースコード載せんなって話やろうけどまあいいや

という訳で一度Trainer使わずやってみよう.

PCのスペック紹介

今使っているデスクトップPCのスペック

 

CPU : intel core i5-4590

グラボ : GeForce GTX 960

メモリ : 8GB

OS Ubuntu 14.04

 

機械学習やるならスペック足りないぽいけど今は困ってないので気にしない.

hello, world

4月から3回生になる情報系の学生です.

夏から研究が始まるので勉強したこととか, へぇ〜と思ったことを書いていきたいと思います.

 

趣味はプログラミングの勉強(そんなに得意じゃないけど...)

人工知能に興味があって今現在, Preferred NetworksのChainerの使い方を勉強中...

 

ChainerはPythonで書くことができ, 柔軟に直感的にモデルを書くことができるそう.

まだ僕は勉強中なので詳しいことはわからないけど, これから勉強して使いこなせるようになりたいです.

 

Link: Chainer: A flexible framework for neural networks