PyTorchでまずは基本的なニューラルネットワークを構成してみよう

Python, PyTorch, 機械学習

PythonのライブラリであるPyTorchを使用して、基本的なニューラルネットワークを作成します。Pythonのバージョンは3系です。PyTorchでニューラルネットワークを構成するには自作のクラスを使用するかライブラリを利用することで作成が可能です。

PyTorchのニューラルネットワークの定義をするには

今回はニューラルネットワークの定義について触れていきます。

ニューラルネットワークの定義を抑えて機械学習をできるようにしていきましょう。

段々と機械学習っぽくなってきました。

どんどんいきましょう。

>>>Sequential(
  (0): Conv2d(1, 6, kernel_size=(3, 3), stride=(1, 1))
  (1): MaxPool2d(kernel_size=(2, 2), stride=(2, 2), padding=0, dilation=1, ceil_mode=False)
  (2): ReLU()
  (3): Conv2d(6, 16, kernel_size=(3, 3), stride=(1, 1))
  (4): MaxPool2d(kernel_size=2, stride=2, padding=0, dilation=1, ceil_mode=False)
  (5): ReLU()
)

PyTorchのニューラルネットワークの定義では、入力層から出力層にかけて順に層を積み重ねてニューラルネットワークを構築していきます。

nn.Conv2dは画像認識のニューラルネットワークでよく用いられます。

入力に対してフィルタリングを行なってから特徴マップを取得します。

引数には、入力チャネル、出力チャネル、カーネル(フィルタ)サイズを渡します。

＊チャネルとは次元を指します。

nn.MaxPool2dでは画像のずれに対してニューラルネットワークに頑健性を保つために使われる層です。

入力を任意のサイズに小さくして画像のずれに対応します。

引数にはカーネルサイズを渡します。

nn.ReLUは近年ニューラルネットワークでよく用いられる活性化関数です。

ニューラルネットワークについて単純化してイメージすると入力した値をそれぞれの層ごとで加工し、決められた出力量で出力するというものです。

03.　自作のクラスを使用したニューラルネットワークの定義

import torch
from torch import nn
import torch.nn.functional as F
class Net(nn.Module):
    def __init__(self):
        super(Net, self).__init__()
        self.conv1 = nn.Conv2d(1,6,3)
        self.conv2 = nn.Conv2d(6,16,3)
    def forward(self, x):
        x = F.max_pool2d(F.relu(self.conv1(x)), (2,2))
        x = F.max_pool2d(F.relu(self.conv2(x)), 2)
        return x
net = Net()
print(net)

Net(
  (conv1): Conv2d(1, 6, kernel_size=(3, 3), stride=(1, 1))
  (conv2): Conv2d(6, 16, kernel_size=(3, 3), stride=(1, 1))
)

自分で複雑なニューラルネットワークを構築するには、nn.Modueを継承したクラスを自分で定義します。

ニューラルネットワークの層の定義の初期化のために__init__メソッドによって各層の定義を記述していきます。

順伝搬の計算はforwardメソッドに書きます。

forwardに渡すことで自動微分が可能となります。

自作のクラスを使って定義したニューラルネットワークをprint(net)すると二層分しか表示されません。

しかし前の章で定義したネットワークと同じ計算をします。

ネットワークをロードすることができます。

ネットワークをロードすることで定義したネットワークを使用することができます。

net = Net()
## ↓
net = Net().to('cuda')

GPUのcudaを使用する場合はこのようにします。

GPUのcudaにネットワークの定義を転送する必要があるのでこのようにしてcudaに送ります。

04.　まとめ

お疲れ様でした。

ここまで読んでいただきありがとうございました。

まだまだわからないことが多くあると思いますが進めていくにつれて慣れていくはずです。

ニューラルネットワークの定義の基本的なやり方なので押さえておくと今後の機械学習がスムーズになります。

機械学習ではニューラルネットワークの定義が必須となるので今回の内容は覚えておくといいと思います。

PyTorchでアヤメの分類を通してディープラーニングを学習しよう!!アヤメの分類の実行

hiiro 2021年3月4日17:20

PyTorchのテンソルというデータフレームで計算をしよう!PyTorchでディープラーニング!

hiiro 2021年2月23日17:40

PyTorchの最適化関数の使い方を解説!サンプルプログラムを紹介

hiiro 2021年3月4日0:44