この記事では、Pythonと機械学習ライブラリ「Chainer」を用いて、多層パーセプトロン (MLP)のサンプルコードを動かす方法について解説します。
MNIST
MNISTとは、手書きの数字(0~9)を画像化したデータ集です。(約7万件分)
画像データと正解ラベルがあり、機械学習あるゴリスムの評価用データとしてよく利用されています。
今回は、公式のサンプルプログラム「train_mnist.py」を動かしてみました。
このサンプルプログラムは多層パーセプトロン (MLP) の実装例(数字画像の分類)だそうです。
【インストール方法】
・Chaiperのインストール方法
ソースコード
公式サンプルプログラム「train_mnist.py」は下記リンク先から入手できます。
・https://github.com/pfnet/chainer/blob/master/examples/mnist/train_mnist.py
【処理手順】
・モデルを生成する
・最適化を行う
・学習用のテストデータをダウンロードする。
・trainerとupdaterを生成する
・extensionを登録する
・学習ループ
※「parser.add_argument(‘–epoch’, ‘-e’, type=int, default=20」の値が学習のループ回数です。
20より低くすることで早く終了します。
実行結果
サンプルプログラムの実行結果は下記の通りです。
graph generated
train mean loss=0.276942837443, accuracy=0.914166669864
test mean loss=0.109787774638, accuracy=0.963800002337
……
【参考文献】
・Chainerのソースを解析。MNISTサンプルを追ってみる
・Chainer の MNIST サンプルを試す
【おすすめ関連記事】
・Scikit-learn入門・使い方
・Scikit-learnをインストールする方法
・Python入門 基本文法
コメント