深さ学習基礎0401

25850 ワード

Preview


<チャレンジ>
XORを使用したフル加算、ハーフ加算
Pythonを実践中にエラーが発生しました
解凍エラー
以前に受け取ったディレクトリから圧縮されたPythoncacheファイル、pickleファイルなどをすべて削除する必要があります.
キムチは?

安全にダウンロードされていないファイルにPythonをインポートしようとしたため、エラーが発生しました.
来週の水曜日(4/6)のレッスンは緑江です!~
from re import T
import sys, os 
sys.path.append(os.pardir) # path는 현재 디렉토리(working directory)이어야 함
import numpy as np
import pickle # 파이썬 라이브러리 pickle 사용: 

from dataset.mnist import load_mnist
from common.functions import sigmoid, softmax

def get_data():
    (x_train, t_train), (x_test, t_test) = load_mnist(normalize=True, flatten=True, one_hot_label=False)
    return x_test, t_test

def init_network():
    with open("sample_weight.pkl", 'rb') as f:
        network = pickle.load(f)
    return network

def predict(network, x):
    W1, W2, W3 = network['W1'], network['W2'], network['W3']
    b1, b2, b3 = network['b1'], network['b2'], network['b3']

    a1 = np.dot(x, W1) + b1
    z1 = sigmoid(a1)
    a2 = np.dot(z1, W2) + b2
    z2 = sigmoid(a2)
    a3 = np.dot(z2, W3) + b3
    y = softmax(a3)

    return y

x, t = get_data()
network = init_network()

accuracy_cnt = 0
for i in range(len(x)):
    y = predict(network, x[i])
    p = np.argmax(y)
    if p == t[i]:
        accuracy_cnt += 1

print("Accuracy: "+str(float(accuracy_cnt)/len(x)))
predicateという名前の関数は10000回実行されます.

バッチ処理


配置:あるものをパッケージ化して処理します.
ネットワーク接続がない場合は、銀行の入出金時にローカルコンピュータで計算し、中央サーバに配置します.
実現したニューラルネットワーク重み付け処理の結果
# 배치처리
x, _ = get_data()
network = init_network()
W1, W2, W3 = network['W1'], network['W2'], network['W3']
print(x.shape)
print(x[0].shape)
print(W1.shape)
print(W2.shape)
print(W3.shape)
一度に100個処理すると計算速度が速くなります
実際の計算量は変わりませんが、gpu(アクセラレータ)を使用すると、データを最適化して実行できます(より効率的です).
=>1枚1枚のメモリアクセス時間は、計算時間よりも長くなります.
バッチ処理の効率が向上します.
# 배치를 통한 신경망 추론 처리
x, t = get_data()
network = init_network()

batch_size = 100 # 배치 크기
Accuracy_cnt = 0

for i in range(0, len(x), batch_size):
    x_batch = x[i:i+batch_size]
    y_batch = predict(network, x_batch)
    p = np.argmax(y_batch, axis=1)
    accuracy_cnt += np.sum(p == t[i: i+batch_size])

print("Accuracy: "+str(float(accuracy_cnt)/len(x)))
完全なコード
from re import T
import sys, os 
sys.path.append(os.pardir) # path는 현재 디렉토리(working directory)이어야 함
import numpy as np
import pickle # 파이썬 라이브러리 pickle 사용: 

from dataset.mnist import load_mnist
from common.functions import sigmoid, softmax

def get_data():
    (x_train, t_train), (x_test, t_test) = load_mnist(normalize=True, flatten=True, one_hot_label=False)
    return x_test, t_test

def init_network():
    with open("sample_weight.pkl", 'rb') as f:
        network = pickle.load(f)
    return network

def predict(network, x):
    W1, W2, W3 = network['W1'], network['W2'], network['W3']
    b1, b2, b3 = network['b1'], network['b2'], network['b3']

    a1 = np.dot(x, W1) + b1
    z1 = sigmoid(a1)
    a2 = np.dot(z1, W2) + b2
    z2 = sigmoid(a2)
    a3 = np.dot(z2, W3) + b3
    y = softmax(a3)

    return y

x, t = get_data()
network = init_network()

accuracy_cnt = 0
for i in range(len(x)):
    y = predict(network, x[i])
    p = np.argmax(y)
    if p == t[i]:
        accuracy_cnt += 1

print("Accuracy: "+str(float(accuracy_cnt)/len(x)))

# 배치처리
x, _ = get_data()
network = init_network()
W1, W2, W3 = network['W1'], network['W2'], network['W3']
print(x.shape)
print(x[0].shape)
print(W1.shape)
print(W2.shape)
print(W3.shape)

# 배치를 통한 신경망 추론 처리
x, t = get_data()
network = init_network()

batch_size = 100 # 배치 크기
Accuracy_cnt = 0

for i in range(0, len(x), batch_size):
    x_batch = x[i:i+batch_size]
    y_batch = predict(network, x_batch)
    p = np.argmax(y_batch, axis=1)
    accuracy_cnt += np.sum(p == t[i: i+batch_size])

print("Accuracy: "+str(float(accuracy_cnt)/len(x)))```