レベル 1: ニューラル ネットワーク モデルの順伝播を実装する
numpyをインポートする
レイヤーから Convolution、Relu、FullyConnected、MaxPool、SoftmaxWithLoss をインポート
クラスTinyNet:
def __init__(self, W_conv1, b_conv1, W_conv2, b_conv2, W_fc, b_fc):
########## 始める ##########
self.conv1 = 畳み込み(W_conv1, b_conv1, ストライド=1, パッド=1)
self.relu1 = Relu()
self.pool1 = MaxPool(2, 2, ストライド=2, パッド=0)
self.conv2 = 畳み込み(W_conv2, b_conv2, ストライド=1, パッド=1)
self.relu2 = Relu()
self.pool2 = MaxPool(2, 2, ストライド=2, パッド=0)
self.fc = 完全接続(W_fc, b_fc)
self.loss = SoftmaxWithLoss()
########## 終わり ##########
def forward(self, x, t):
########## 始める ##########
x = self.conv1.forward(x)
x = self.relu1.forward(x)
x = self.pool1.forward(x)
x = self.conv2.forward(x)
x = self.relu2.forward(x)
x = self.pool2.forward(x)
x = self.fc.forward(x)
損失 = self.loss.forward(x, t)
返品×、損失
########## 終わり ##########
レベル 2: ニューラル ネットワーク モデルのバックプロパゲーションを実装する
numpyをインポートする
レイヤーから Convolution、Relu、FullyConnected、MaxPool、SoftmaxWithLoss をインポート
クラスTinyNet:
def __init__(self, W_conv1, b_conv1, W_conv2, b_conv2, W_fc, b_fc):
self.conv1 = 畳み込み(W_conv1, b_conv1, ストライド=1, パッド=1)
self.relu1 = Relu()
self.pool1 = MaxPool(2, 2, ストライド=2, パッド=0)
self.conv2 = 畳み込み(W_conv2、b_conv2、ストライド=1、パッド=1)
self.relu2 = Relu()
self.pool2 = MaxPool(2, 2, ストライド=2, パッド=0)
self.fc = 完全接続(W_fc, b_fc)
self.loss = SoftmaxWithLoss()
def forward(self, x, t):
x = self.conv1.forward(x)
x = self.relu1.forward(x)
x = self.pool1.forward(x)
x = self.conv2.forward(x)
x = self.relu2.forward(x)
x = self.pool2.forward(x)
x = self.fc.forward(x)
損失 = self.loss.forward(x, t)
返品×、損失
def 後方(自分自身):
########## 始める ##########
dx = self.loss.backward()
dx = self.fc.backward(dx)
dx = self.pool2.backward(dx)
dx = self.relu2.backward(dx)
dx = self.conv2.backward(dx)
dx = self.pool1.backward(dx)
dx = self.relu1.backward(dx)
dx = self.conv1.backward(dx)
########## 終わり ##########
self.conv1.dW、self.conv1.db、self.conv2.dW、self.conv2.db、self.fc.dW、self.fc.db を返します。
レベル 3: ニューラル ネットワークの勾配降下トレーニングの実装
numpyをインポートする
レイヤーから Convolution、Relu、FullyConnected、MaxPool、SoftmaxWithLoss をインポート
クラスTinyNet:
def __init__(self, W_conv1, b_conv1, W_conv2, b_conv2, W_fc, b_fc):
self.conv1 = 畳み込み(W_conv1, b_conv1, ストライド=1, パッド=1)
self.relu1 = Relu()
self.pool1 = MaxPool(2, 2, ストライド=2, パッド=0)
self.conv2 = 畳み込み(W_conv2、b_conv2、ストライド=1、パッド=1)
self.relu2 = Relu()
self.pool2 = MaxPool(2, 2, ストライド=2, パッド=0)
self.fc = 完全接続(W_fc, b_fc)
self.loss = SoftmaxWithLoss()
def forward(self, x, t):
x = self.conv1.forward(x)
x = self.relu1.forward(x)
x = self.pool1.forward(x)
x = self.conv2.forward(x)
x = self.relu2.forward(x)
x = self.pool2.forward(x)
x = self.fc.forward(x)
損失 = self.loss.forward(x, t)
返品×、損失
def 後方(自分自身):
dx = self.loss.backward()
dx = self.fc.backward(dx)
dx = self.pool2.backward(dx)
dx = self.relu2.backward(dx)
dx = self.conv2.backward(dx)
dx = self.pool1.backward(dx)
dx = self.relu1.backward(dx)
dx = self.conv1.backward(dx)
self.conv1.dW、self.conv1.db、self.conv2.dW、self.conv2.db、self.fc.dW、self.fc.db を返します。
def train_one_iter(W_conv1, b_conv1, W_conv2, b_conv2, W_fc, b_fc, x, t, learning_rate):
ネットワーク = TinyNet(W_conv1, b_conv1, W_conv2, b_conv2, W_fc, b_fc)
出力、損失 = network.forward(x, t)
dW_conv1、db_conv1、dW_conv2、db_conv2、dW_fc、db_fc = network.backward()
########## 始める ##########
new_W_conv1 = W_conv1 - dW_conv1 * learning_rate
new_b_conv1 = b_conv1 - db_conv1 * learning_rate
new_W_conv2 = W_conv2 - dW_conv2 * learning_rate
new_b_conv2 = b_conv2 - db_conv2 * learning_rate
new_W_fc = W_fc - dW_fc * 学習率
new_b_fc = b_fc - db_fc * 学習率
########## 終わり ##########
new_W_conv1、new_b_conv1、new_W_conv2、new_b_conv2、new_W_fc、new_b_fc を返す