MNISTの分類問題をRNN(Recurrent Neural Network)で実装する

RNN(Recurrent Neural Network)にも手を出すために,初心者用としてMNISTの分類問題を実装します.

Google Colaboratory(以下Google Colab)は、Google社が無料で提供している機械学習の教育や研究用の開発環境です。開発環境はJupyter Notebookに似たインターフェースを持ち、Pythonの主要なライブラリがプリインストールされています。
引用元:Google Colabの使い方 (opens new window)

全国630店舗以上!もみほぐし・足つぼ・ハンドリフレ・クイックヘッドのリラクゼーション店【りらくる】

# Google Colabのファイル構成

プロジェクトディレクトリはMNISTとしています.度々,省略しています.

MNIST
├── /data <- 学習データ
└── MNIST_RNN.ipynb <- 実行用ノートブック

# Google Driveと連携

Google ColabとGoogle Driveを連携させ,作業ディレクトリ(ここではMNIST)に移動します.

# Google ColabとGoogle Driveを連携
from google.colab import drive
drive.mount('/content/drive')
# ディレクトリの移動
%cd /content/drive/My\ Drive/MNIST
!ls

# モジュールインポート

モジュールをインポートします.本稿では,Pytorchをベースとしています.

import torch
import torch.nn as nn
import torch.nn.functional as F
import torch.optim as optim
from torchvision import datasets, transforms

import numpy as np
import matplotlib.pyplot as plt
from tqdm import tqdm

# GPUの確認

PytorchのVersionによって,GPUが使用できないことがあるので,確認をとります.

device = torch.device('cuda:0' if torch.cuda.is_available() else 'cpu')
print("使用デバイス:", device)
# 使用デバイス: cuda:0

# MNISTデータセットの準備

MNISTデータセットをダウンロードします.

#データ前処理 transform を設定
transform = transforms.Compose(
    [transforms.ToTensor(),                      # Tensor変換とshape変換 [H, W, C] -> [C, H, W]
     transforms.Normalize((0.5, ), (0.5, ))])    # 標準化 平均:0.5  標準偏差:0.5


#訓練用(train + validation)のデータセット サイズ:(channel, height, width) = (1,28,28) 60000枚
trainval_dataset = datasets.MNIST(root='./data', 
                                        train=True,
                                        download=True,
                                        transform=transform)

#訓練用ータセットを train と val にshuffleして分割する
train_dataset, val_dataset = torch.utils.data.random_split(trainval_dataset, [40000, 20000])

print("train_dataset size = {}".format(len(train_dataset)))
print("val_dataset size = {}".format(len(val_dataset)))

#テスト(test)用のデータセット サイズ:(channel, height, width) = (1,28,28) 10000枚
test_dataset = datasets.MNIST(root='./data', 
                                        train=False, 
                                        download=True, 
                                        transform=transform)

# Detaloaderの作成

訓練データ,評価データ,テストデータ,それぞれの読み込み用のコードを作成します.

#訓練用 Dataloder
train_dataloader = torch.utils.data.DataLoader(train_dataset,
                                            batch_size=64,
                                            shuffle=True)
#検証用 Dataloder
val_dataloader = torch.utils.data.DataLoader(val_dataset, 
                                            batch_size=64,
                                            shuffle=False)

#テスト用 Dataloder
test_dataloader = torch.utils.data.DataLoader(test_dataset, 
                                            batch_size=64,
                                            shuffle=False)

# 辞書型変数にまとめる
dataloaders_dict = {"train": train_dataloader, "val": val_dataloader, "test": test_dataloader}

上記のコードで読み込みができるかを確認します.

batch_iterator = iter(dataloaders_dict["train"])  # イテレータに変換
imges, labels = next(batch_iterator)  # 1番目の要素を取り出す
print("imges size = ", imges.size())
print("labels size = ", labels.size())

#試しに1枚 plot してみる
plt.imshow(imges[0].numpy().reshape(28,28), cmap='gray')
plt.title("label = {}".format(labels[0].numpy()))
plt.show()


# RNN(Recurrent Neural Network)のネットワーク作成

本稿では,シンプルなRNN(Recurrent Neural Network)モデルで作成します.(RNNは日本語で再帰型ニューラルネットワークと言います)

RNNは時系列データに対するモデルですが、今回のような画像データであっても下記のように時系列データとして扱うことでモデルを構築します.

MNISTの画像データで高さと幅が28×28のサイズとなっていますが、幅Widthを特徴量(feature)とし、高さHeightを時刻(Sequence)として扱います.

class Net(nn.Module):

    def __init__(self):
        
        super(Net, self).__init__()
        self.seq_len = 28              # 画像の Height を時系列のSequenceとしてRNNに入力する
        self.feature_size = 28         # 画像の Width を特徴量の次元としてRNNに入力する
        self.hidden_layer_size = 128   # 隠れ層のサイズ
        self.rnn_layers = 1            # RNNのレイヤー数 (RNNを何層重ねるか)
        
        self.simple_rnn = nn.RNN(input_size = self.feature_size,
                                 hidden_size = self.hidden_layer_size,
                                 num_layers = self.rnn_layers) 

        self.fc = nn.Linear(self.hidden_layer_size, 10)
        
    def init_hidden(self, batch_size, device): # RNNの隠れ層 hidden を初期化
        hedden = torch.zeros(self.rnn_layers, batch_size, self.hidden_layer_size).to(device)
        return hedden

    def forward(self, x, device):
        batch_size = x.shape[0]
        
        self.hidden = self.init_hidden(batch_size, device)
        
        x = x.view(batch_size, self.seq_len, self.feature_size)  # (Batch, Cannel, Height, Width) -> (Batch, Height, Width) = (Batch, Seqence, Feature)
                                                                 # 画像の Height を時系列のSequenceに、Width を特徴量の次元としてRNNに入力する
        x = x.permute(1, 0, 2)                                   # (Batch, Seqence, Feature) -> (Seqence , Batch, Feature)
        
        rnn_out, h_n = self.simple_rnn(x, self.hidden)           # RNNの入力データのShapeは(Seqence, Batch, Feature)
                                                                 # (h_n) のShapeは (num_layers, batch, hidden_size)
        x = h_n[-1,:,:]                                          # RNN_layersの最後のレイヤーを取り出す (l, B, h)-> (B, h)
        x = self.fc(x)
        
        return x

下記のコードで上記のdef文を実行します.

#モデル作成
net = Net().to(device)   # GPUを使用する場合のために明示的に .to(device) を指定
#ネットワークのレイヤー確認
print(net)
# Net(
#   (lstm): LSTM(28, 128)
#   (fc): Linear(in_features=128, out_features=10, bias=True)
# )

# 損失関数の定義

下記のコードで損失関数を定義します.

# nn.CrossEntropyLoss() はソフトマックス関数+クロスエントロピー誤差
criterion = nn.CrossEntropyLoss()

# 最適化手法の設定

下記のコードで最適化手法を設定します.

#optimizer = optim.SGD(net.parameters(), lr=0.001, momentum=0.9)
optimizer = optim.Adam(net.parameters(), lr=0.001)

# 学習・検証の実施

下記のコードで学習・検証の実施をdef文で定義します.

# モデルを学習させる関数を作成
# モデルを学習させる関数を作成
def train_model(net, dataloaders_dict, criterion, optimizer, device, num_epochs):
    
    # epochのループ
    for epoch in range(num_epochs):
        print('Epoch {}/{}'.format(epoch+1, num_epochs))
        print('-------------')

        # epochごとの学習と検証のループ
        for phase in ['train', 'val']:
            if phase == 'train':
                net.train()  # モデルを訓練モードに
            else:
                net.eval()   # モデルを検証モードに

            epoch_loss = 0.0  # epochの損失和
            epoch_corrects = 0  # epochの正解数

            # 未学習時の検証性能を確かめるため、epoch=0の訓練は省略
            if (epoch == 0) and (phase == 'train'):
                continue

            # データローダーからミニバッチを取り出すループ
            for i , (inputs, labels) in tqdm(enumerate(dataloaders_dict[phase])):
                
                # GPUを使用する場合は明示的に指定
                inputs = inputs.to(device)
                labels = labels.to(device)

                # optimizerを初期化
                optimizer.zero_grad()

                # 順伝搬(forward)計算
                with torch.set_grad_enabled(phase == 'train'):  # 訓練モードのみ勾配を算出
                    outputs = net(inputs, device)    # 順伝播
                    loss = criterion(outputs, labels)  # 損失を計算
                    _, preds = torch.max(outputs, 1)   # ラベルを予測
                    
  
                    # 訓練時はバックプロパゲーション
                    if phase == 'train':
                        loss.backward()
                        optimizer.step()

                    # イタレーション結果の計算
                    # lossの合計を更新
                    epoch_loss += loss.item() * inputs.size(0)  
                    # 正解数の合計を更新
                    epoch_corrects += torch.sum(preds == labels.data)

            # epochごとのlossと正解率を表示
            epoch_loss = epoch_loss / len(dataloaders_dict[phase].dataset)
            epoch_acc = epoch_corrects.double() / len(dataloaders_dict[phase].dataset)
            
            print('{} Loss: {:.4f} Acc: {:.4f}'.format(phase, epoch_loss, epoch_acc))


下記のコードで上記のdef文を実行します.

# 学習・検証を実行する
num_epochs = 3
train_model(net, dataloaders_dict, criterion, optimizer, device, num_epochs=num_epochs)

# 4it [00:00, 36.82it/s]Epoch 1/3
# -------------
# 313it [00:04, 69.13it/s]
# 4it [00:00, 38.79it/s]val Loss: 2.3192 Acc: 0.1300
# Epoch 2/3
# -------------
# 625it [00:10, 59.97it/s]
# 7it [00:00, 69.21it/s]train Loss: 0.9635 Acc: 0.6724
# 313it [00:04, 70.20it/s]
# 6it [00:00, 57.64it/s]val Loss: 0.5911 Acc: 0.8068
# Epoch 3/3
# -------------
# 625it [00:10, 61.19it/s]
# 8it [00:00, 72.28it/s]train Loss: 0.4838 Acc: 0.8506
# 313it [00:04, 70.28it/s]val Loss: 0.3906 Acc: 0.8828

# テストデータに対する予測

下記のコードでテストデータに対する予測を実行します.

batch_iterator = iter(dataloaders_dict["test"])  # イテレータに変換
imges, labels = next(batch_iterator)  # 1番目の要素を取り出す

net.eval() #推論モード
with torch.set_grad_enabled(False):   # 推論モードでは勾配を算出しない
    # GPUを使用する場合は明示的に指定
    imges = imges.to(device)
    labels = labels.to(device)
    # 出力
    outputs = net(imges, device)     # 順伝播
    _, preds = torch.max(outputs, 1)  # ラベルを予測
    
#テストデータの予測結果を描画
# GPUを使用した場合は,'.detach().cpu().clone().numpy()'でarray型に変換できる
plt.imshow(imges[0].detach().cpu().clone().numpy().reshape(28,28), cmap='gray')
plt.title("Label: Target={}, Predict={}".format(labels[0], preds[0].detach().cpu().clone().numpy()))
plt.show()


# 参考サイト

pytorch_mnist (opens new window)

【PyTorch】MNISTの分類問題をいろんなモデルで実装する【全結合層・CNN・RNN・LSTM】 (opens new window)

RNNとLSTM(Long Short Term Memory)の違いと特徴 (opens new window)

全国630店舗以上!もみほぐし・足つぼ・ハンドリフレ・クイックヘッドのリラクゼーション店【りらくる】

MNISTの分類問題をLSTM(Long short-term memory)で実装する

MNISTの分類問題をLSTM(Long short-term memory)で実装する

LSTM(Long short-term memory)にも手を出すために,初心者用としてMNISTの分類 問題を実装します.

Google Colaboratoryとフィボナッチ数列でPythonとNimを比較する

Google Colaboratoryとフィボナッチ数列でPythonとNimを比較する

PythonとNimが連携できるようなので,Google Colaboratoryで実装しようと思います.

本稿では,フィボナッチ数列でPythonとNimの比較します.