はじめに

Chainer の MNIST を用いた多層パーセプトロンのサンプルを改造してみる。

スクリプト	概要	改造の有無
data.py	MNISTのデータセットを取得するスクリプト	なし
net.py	ニューラルネットワークを定義するスクリプト。単純パーセプトロン MnistSP、多層パーセプトロン MnistMLP、畳み込みニューラルネット MnistCNN を定義する。	あり
train_mnist.py	data.py と net.py を使った学習用スクリプト。	あり

train_mnist.py

• 処理内容

MNIST のデータセットを使って学習する。

• コマンドライン

tran_mnist.py --net2 [sp|mlp|cnn]

--net2 オプションを追加。

値	概要
sp	単純パーセプトロン
mlp	多層パーセプトロン
cnn	畳み込みニューラルネット

• 実行例

\# train_mnist.py --net2 mlp

classify.py

• 処理内容

0～9 の手書き数字の画像を分類する。

• コマンドライン

Usage: classify.py [sp|mlp|cnn] model_path image_path

第一引数：使用するニューラルネット 第二引数：train_mnist.py で作成したモデルデータのパス 第三引数：分類対象となる手書き数字の画像データのパス

第一引数の値	概要
sp	単純パーセプトロン
mlp	多層パーセプトロン
cnn	畳み込みニューラルネット

• 実行例

\# python classify.py cnn model.cnn.npz number/four.png
input:  number/four.png
output:
        0: -14.180834
        1: 2.686594
        2: -2.928259
        3: -28.385714
        4: 12.872291
        5: -14.222157
        6: -5.834879
        7: -9.659436
        8: -16.648321
        9: -11.859789
class:  4

CNN で入力画像を分類した結果が「4」であることを示す。