Successfully reported this slideshow.
We use your LinkedIn profile and activity data to personalize ads and to show you more relevant ads. You can change your ad preferences anytime.
機械学習
フレームワーク横断
Chainer, Keras
【基礎編】
目次
• 問題設定
• chainer導入と実装
• keras導入と実装
• chainer keras比較
• 感想
問題設定
(分類問題について)
分類問題の流れ
対
象
物
特
徴
量
分
類
器
A
C
B
• 対象物から問題に適した特徴量を抽出
• 特徴量を分類器に入力
• 対象物がどのクラスに属しているか判定
今回扱うデータ
対
象
物
特
徴
量
分
類
器
A
C
B
アヤメ
setosa
virginica
versicolor
特徴量の内容
対
象
物
特
徴
量
分
類
器
A
C
B
花びらの長さと幅
がく片の長さと幅
の4次元ベクトル
扱う分類器
対
象
物
特
徴
量
分
類
器
A
C
B
NN(ニューラルネットワーク)
今回の構成
花びらの長さ
花びらの幅
(中間層の1つ目のノードの入出力のみに着目)
がく片の幅
がく片の長さ
b(バイアス)
入力層
中間層
出力層
W1
W2
W1
W2
教師信号の内要
[1, 0, 0]
[0, 1, 0]
[0, 0, 1]
Chainerの導入と実装
http://chainer.org/
Chainer 導入
Chainer実装
Chainer実装
モデルの記述
Chainer実装 モデルの記述
Chainer実装
モデル、最適化
手法の設定
Chainer実装
学習
参考図書
『Chainerによる実践深層学習』新納 浩幸
http://shop.ohmsha.co.jp/shopdetail/000000004728/
Kerasの導入と実装
https://keras.io/ja/
Keras導入
Keras実装
モデルの記述
損失関数、最適化
手法を設定して
コンパイル
バッチ数、繰り返し
回数を設定して学習
Chainer Keras比較
実行結果 Chainer
実行結果 Keras
実行結果 比較
• 識別制度がChainer:66.67% Keras:69.33%と似
たような結果に
• 出力結果を見比べてみると、正解クラスが1のとこ
ろを0と識別ミスしている => まだまだチューニン
グが必要そう
今回はたまたま同じよ...
感想
• Chainer:変数の中身を見ながら実装する中で、細
かい理論の理解もしながら進められた。(参考文献
が良かった)
• Keras:NNの実装イメージがついている前提で触る
と、とてもシンプルでチューニングしやすかった
Upcoming SlideShare
Loading in …5
×

機械学習フレームワーク横断、Chainer, Keras

5,193 views

Published on

ChainerとKerasを触ってみた

Published in: Engineering
  • Be the first to comment

機械学習フレームワーク横断、Chainer, Keras

  1. 1. 機械学習 フレームワーク横断 Chainer, Keras 【基礎編】
  2. 2. 目次 • 問題設定 • chainer導入と実装 • keras導入と実装 • chainer keras比較 • 感想
  3. 3. 問題設定 (分類問題について)
  4. 4. 分類問題の流れ 対 象 物 特 徴 量 分 類 器 A C B • 対象物から問題に適した特徴量を抽出 • 特徴量を分類器に入力 • 対象物がどのクラスに属しているか判定
  5. 5. 今回扱うデータ 対 象 物 特 徴 量 分 類 器 A C B アヤメ setosa virginica versicolor
  6. 6. 特徴量の内容 対 象 物 特 徴 量 分 類 器 A C B 花びらの長さと幅 がく片の長さと幅 の4次元ベクトル
  7. 7. 扱う分類器 対 象 物 特 徴 量 分 類 器 A C B NN(ニューラルネットワーク)
  8. 8. 今回の構成 花びらの長さ 花びらの幅 (中間層の1つ目のノードの入出力のみに着目) がく片の幅 がく片の長さ b(バイアス) 入力層 中間層 出力層 W1 W2
  9. 9. W1 W2 教師信号の内要 [1, 0, 0] [0, 1, 0] [0, 0, 1]
  10. 10. Chainerの導入と実装 http://chainer.org/
  11. 11. Chainer 導入
  12. 12. Chainer実装
  13. 13. Chainer実装 モデルの記述
  14. 14. Chainer実装 モデルの記述
  15. 15. Chainer実装 モデル、最適化 手法の設定
  16. 16. Chainer実装 学習
  17. 17. 参考図書 『Chainerによる実践深層学習』新納 浩幸 http://shop.ohmsha.co.jp/shopdetail/000000004728/
  18. 18. Kerasの導入と実装 https://keras.io/ja/
  19. 19. Keras導入
  20. 20. Keras実装 モデルの記述 損失関数、最適化 手法を設定して コンパイル バッチ数、繰り返し 回数を設定して学習
  21. 21. Chainer Keras比較
  22. 22. 実行結果 Chainer
  23. 23. 実行結果 Keras
  24. 24. 実行結果 比較 • 識別制度がChainer:66.67% Keras:69.33%と似 たような結果に • 出力結果を見比べてみると、正解クラスが1のとこ ろを0と識別ミスしている => まだまだチューニン グが必要そう 今回はたまたま同じような結果になったが、ランダムに決まる更新アルゴリズムの 初期値によってはパラメタータの値が変わってくるので必ずしも一致するとは限らない。
  25. 25. 感想 • Chainer:変数の中身を見ながら実装する中で、細 かい理論の理解もしながら進められた。(参考文献 が良かった) • Keras:NNの実装イメージがついている前提で触る と、とてもシンプルでチューニングしやすかった

×