IrisをRed ChainerでTrainerを使って書いてみる

2019-11-10

最終的にデータセットの分割も実装した

code:sh

$ bundle exec ruby examples/iris/iris.rb

epoch iteration main/loss main/accuracy val/main/loss val/main/accuracy elapsed_time

1 19 1.91383 0.473684 1.42424 0.25 0.0353489

2 38 0.996296 0.578947 0.362854 0.96875 0.0773659

3 57 0.456371 0.802632 0.396609 0.75 0.114415

4 76 0.500983 0.736842 0.636984 0.75 0.151413

5 95 0.445901 0.710526 0.363899 0.75 0.18836

6 114 0.382488 0.842105 0.388711 0.75 0.225496

7 133 0.347851 0.842105 0.263879 0.875 0.264128

8 152 0.297205 0.894737 0.422845 0.75 0.30656

9 171 0.342139 0.868421 0.148019 1 0.343567

10 190 0.301463 0.855263 0.144839 1 0.382298

11 209 0.241771 0.921053 0.292805 0.875 0.418857

12 228 0.321759 0.828947 0.134429 1 0.455971

13 247 0.260443 0.907895 0.535753 0.75 0.493426

14 266 0.271462 0.907895 0.16344 0.9375 0.530865

15 285 0.24269 0.907895 0.0941306 1 0.574575

16 304 0.20683 0.921053 0.143846 0.9375 0.61255

17 323 0.447726 0.828947 0.869368 0.71875 0.650458

18 342 0.257087 0.921053 0.119261 0.9375 0.68614

19 361 0.304906 0.855263 0.217603 0.875 0.724068

20 380 0.188646 0.934211 0.277539 0.78125 0.760504

21 399 0.297835 0.868421 0.930768 0.75 0.796309

22 418 0.335905 0.907895 0.264524 0.875 0.83887

23 437 0.236816 0.881579 0.0932043 1 0.878111

24 456 0.199524 0.934211 0.295359 0.78125 0.914525

25 475 0.214761 0.907895 0.0871421 0.96875 0.951263

26 494 0.191688 0.934211 0.873688 0.75 0.988837

27 513 0.258549 0.907895 0.146495 0.9375 1.02562

28 532 0.206727 0.907895 0.0809979 1 1.06267

29 551 0.229389 0.921053 0.11002 0.9375 1.1

30 570 0.211139 0.921053 0.61987 0.75 1.14074

----------------------------------------------------------------------------------------------------

test000: prediction = 0, answer = 0

test001: prediction = 1, answer = 1

test002: prediction = 0, answer = 0

test003: prediction = 0, answer = 0

test004: prediction = 0, answer = 0

test005: prediction = 1, answer = 1

test006: prediction = 0, answer = 0

test007: prediction = 0, answer = 0

test008: prediction = 1, answer = 1

test009: prediction = 0, answer = 0

test010: prediction = 1, answer = 1

test011: prediction = 1, answer = 1

test012: prediction = 0, answer = 0

test013: prediction = 0, answer = 0

test014: prediction = 1, answer = 1

test015: prediction = 0, answer = 0

test016: prediction = 1, answer = 1

test017: prediction = 1, answer = 1

test018: prediction = 1, answer = 2

test019: prediction = 1, answer = 1

test020: prediction = 1, answer = 2

test021: prediction = 1, answer = 2

test022: prediction = 1, answer = 1

test023: prediction = 1, answer = 2

test024: prediction = 1, answer = 2

test025: prediction = 1, answer = 1

test026: prediction = 1, answer = 2

test027: prediction = 0, answer = 0

test028: prediction = 1, answer = 2

test029: prediction = 1, answer = 1

test030: prediction = 1, answer = 2

test031: prediction = 1, answer = 1

test032: prediction = 0, answer = 0

test033: prediction = 1, answer = 2

test034: prediction = 0, answer = 0

test035: prediction = 0, answer = 0

test036: prediction = 1, answer = 2

test037: prediction = 1, answer = 2

test038: prediction = 0, answer = 0

test039: prediction = 0, answer = 0

test040: prediction = 0, answer = 0

test041: prediction = 1, answer = 1

test042: prediction = 1, answer = 2

test043: prediction = 1, answer = 1

test044: prediction = 2, answer = 2

accuracy: 73.33333333333333

/icons/hr.icon

2019-11-06

Numo::NArray のmasa16さんからコメントをいただけた

numpy.random.RandomState 相当のものは、Numo::NArray にはまだありません。

乱数生成メソッドとして Numo::NArray#rand があります。

とのこと。

そもそも何やろうとしてるのかというと

code:py

def split_dataset_random(dataset, first_size, seed=None):

order = np.random.RandomState(seed).permutation(len(dataset))

return split_dataset(dataset, first_size, order)

colabで確認した

code:py

order = np.random.RandomState(None).permutation(10)

もういったんこれでよくない？という気持ちになってきた。ランダム化関数がよくないんだろうけど

code:rb

一旦データ分割はしないでやることにした〜。ちょっとそれ過ぎたので。

出来たぞ〜

code:sh

$ ruby examples/iris/iris.rb

epoch iteration main/loss main/accuracy val/main/loss val/main/accuracy elapsed_time

1 38 1.27775 0.572368 0.486145 0.671053 0.0862801

2 76 0.426431 0.835526 0.333205 0.828947 0.168189

3 114 0.333968 0.875 0.910565 0.671053 0.250365

4 152 0.310298 0.888158 0.211823 0.940789 0.338512

5 190 0.23852 0.927632 0.185181 0.940789 0.415007

6 228 0.260866 0.907895 0.177153 0.953947 0.497279

7 266 0.19399 0.921053 0.226963 0.894737 0.580174

8 304 0.199758 0.901316 0.325668 0.842105 0.66282

9 342 0.185922 0.914474 0.134692 0.960526 0.739775

10 380 0.178372 0.934211 0.129198 0.947368 0.8236

11 418 0.259062 0.894737 0.887537 0.684211 0.903739

12 456 0.209445 0.927632 1.46042 0.657895 0.981753

13 494 0.237419 0.914474 0.131947 0.953947 1.06388

14 532 0.234115 0.907895 0.603199 0.736842 1.14254

15 570 0.153484 0.940789 0.143095 0.940789 1.21947

16 608 0.14754 0.921053 0.0977607 0.973684 1.30694

17 646 0.137228 0.960526 0.0954946 0.973684 1.38411

18 684 0.187637 0.927632 0.189693 0.921053 1.4672

19 722 0.162005 0.940789 0.550461 0.782895 1.5586

20 760 0.185926 0.894737 0.0925725 0.973684 1.63787

21 798 0.15027 0.927632 0.171659 0.914474 1.71667

22 836 0.146723 0.934211 0.156561 0.921053 1.80469

23 874 0.147191 0.953947 0.108891 0.940789 1.88302

24 912 0.282145 0.901316 1.5994 0.657895 1.96129

25 950 0.204538 0.934211 0.125127 0.934211 2.04901

26 988 0.208726 0.907895 0.140285 0.927632 2.12689

27 1026 0.168366 0.934211 0.356917 0.855263 2.20725

28 1064 0.136338 0.940789 0.380733 0.828947 2.29099

29 1102 0.167995 0.940789 0.127527 0.934211 2.36911

30 1140 0.11718 0.967105 0.24485 0.894737 2.44854

/icons/hr.icon

2019-11-05

昨日の続き

データセットを分割する処理を実装しよう

code:こういうやつ.py

from chainer.datasets import split_dataset_random

train_val, test = split_dataset_random(dataset, int(len(dataset) * 0.7), seed=0)

train, valid = split_dataset_random(train_val, int(len(train_val) * 0.7), seed=0)

chainerのリポジトリを見るぞ〜真似して実装する

/icons/hr.icon

2019-11-04

少し間が空いた、久々にやってくぞ〜

Red Chainerの書き方になれることが目的

あ、まずはChainerがちゃんと動くよね？の確認をしながらね。

なので、まずはこいつをコピペして動くかどうかを確認したいね。

MLPクラスを定義した〜

アップデータ、トレーナー、OK

よし、イテレータの準備以外は終わった。

Irisのデータはred-chainer gem中にはなくて、red-datasets gemの中にあるのか〜

さて、どういう形だったらiteratorを作れるんだったっけ？

入力値を並べた配列と目標値を並べた配列を与えると、1 つ 1 つを取り出して対応するペアを作って返してくれる

TupleDataset出来た