Chainer で TensorFlow より手軽にディープラーニングを試す ｜ SiTest (サイテスト) ブログ

TensorFlow のオープンソース化で気軽にディープラーニングが試せるという風潮が広がってきました。しかしそもそも Python の使い方を覚えたり、パッケージ管理したりとプログラム素人には少し導入が辛いものがありました。
今回試してみた Chainer はT ensorFlow に比べ導入が非常に簡単です。

インストールの手順ですが、今回 Mac でのインストール手順を紹介します。その他公式サイトに Ubuntu CentOS といった OS 向けにインストール方法が書かれています。

pip install chainer

このコマンドを打って

Successfully installed chainer filelock nose numpy protobuf six

Success が返ってくればインストール成功です。

ちなみ Python のバージョンは 2.7 です。
そうです。 Mac 使ってる方ならご存知かもしれませんが、最近の MacOS ならデフォルトで入ってるバージョンです。これならノンプログラマの方でも正にワンコマンドでインストールが完了してしまいます。

続いて学習してみましょう。公式のリポジトリにサンプルがあります。TensorFlow でもあった mnist での手書き文字の検査です。

 git clone https://github.com/pfnet/chainer.git

こちらのコマンドでリポジトリがクローンされます。

python chainer/examples/mnist/train_mnist.py

続いてこちらのコマンドで学習用データのダウンロードと学習がされそのままテストデータで検証まで行われます。
※ちなみに自分の環境ですと matplotlib がインストールされてないとアラートが出てましたのであらかじめインストールしておきます。

pip install matplotlib

結果は 67% の確度正解率でした。これは学習済みモデルに対し、テストデータを入力した時の正答率と考えて大丈夫です。

イマイチですね。
epoch　(世代)が　20　つまり同じデータを　20回　学習したことになります。ディープラーニングのアルゴリズム的に最初数回は適当な値を入れそこから学習を重ねるので、
この回数を上げればもう少し精度はあがります。

では30回で試してみましょう。サンプルのコードですと、

python chainer/examples/mnist/train_mnist.py -e 30

で 30回 の繰り返し学習結果を見ることができます。今回はグラフに出力してみましょう。

結果 64% と下がってしまいました。
恐らくこの学習データから得られる精度は 70%前後 が頭打ちとなってしまうようです。

今後は回数をあげたとして、正答率が収束していくだけとなります。
バッチサイズや学習データを変えることで正答率をあげていくことができます。

まとめ

ノンプログラマでも簡単に導入でディープラーニングを試せる Python のライブラリ Chainer を紹介させていただきました。導入がワンコマンドで済んでしまう等導入が非常に楽です。

導入が簡単ですが、もちろん GPU を用いての演算など欲しい機能は揃っていて拡張性も高いのでまずディープラーニングを試してみようという方には丁度いいのではないでしょうか。