TensorFlowを使ってみる 2
TensorFlowのOptimizerを使ってみる
MNIST For ML Beginners | TensorFlow
TensorFlowのチュートリアルで機械学習初学者向けのドキュメントを読んで、サンプルのコード
tensorflow/mnist_softmax.py at master · tensorflow/tensorflow · GitHub
をゼロから作るDeepLearning本でやってた2層に改修して実験
from __future__ import absolute_import from __future__ import division from __future__ import print_function import argparse import sys from tensorflow.examples.tutorials.mnist import input_data import tensorflow as tf FLAGS = None def main(_): # Import data mnist = input_data.read_data_sets(FLAGS.data_dir, one_hot=True) # Create the model x = tf.placeholder(tf.float32, [None, 784]) std = 0.01 W1 = tf.Variable(tf.random_normal([784, 100], stddev=std)) b1 = tf.Variable(tf.zeros([100])) W2 = tf.Variable(tf.random_normal([100, 10], stddev=std)) b2 = tf.Variable(tf.zeros([10])) a1 = tf.matmul(x, W1) + b1 z1 = tf.sigmoid(a1) a2 = tf.matmul(z1, W2) + b2 y = tf.nn.softmax(a2) y_ = tf.placeholder(tf.float32, [None, 10]) cross_entropy = tf.reduce_mean(-tf.reduce_sum(y_ * tf.log(y), reduction_indices=[1])) train_step = tf.train.GradientDescentOptimizer(0.5).minimize(cross_entropy) sess = tf.InteractiveSession() tf.global_variables_initializer().run() # Train for _ in range(10000): batch_xs, batch_ys = mnist.train.next_batch(100) sess.run(train_step, feed_dict={x: batch_xs, y_: batch_ys}) # Test correct_prediction = tf.equal(tf.argmax(y, 1), tf.argmax(y_, 1)) accuracy = tf.reduce_mean(tf.cast(correct_prediction, tf.float32)) print(sess.run(accuracy, feed_dict={x: mnist.test.images, y_: mnist.test.labels})) if __name__ == '__main__': parser = argparse.ArgumentParser() parser.add_argument('--data_dir', type=str, default='/tmp/tensorflow/mnist/input_data', help='Directory for storing input data') FLAGS, unparsed = parser.parse_known_args() tf.app.run(main=main, argv=[sys.argv[0]] + unparsed)
サンプルコードだと重み変数(W)を生成する時に0で初期化してるけど、初期値全部0はよろしくないはずで、Optimizerがよしなにやってくれるんですかね。
実験コードではrandom_normalの標準偏差を0.01にしてます。
Trainingの回数を1万回でだいたいaccuracyが0.931くらいになりました。
ちなみに元のサンプルコードは1層のはずなのにaccuracyが0.923くらいとやたら精度が高い気がします。
1層だと線形で、線形だと簡単な論理演算(XOR)すら表現出来なかったはずなのにと..
※出力層でsoftmaxに渡す値の活性化関数にsigmoidを使っていましたが、これは恒等関数(何もしない)が正しかったです。
書き直したらaccuracyは0.974となりました。