ねほり.com

何もないから何かみつかる

KerasのFunctional API Modelの構造を理解する(ディープラーニング)

      2018/05/14

Kerasには2通りのModelの書き方があります。

download (1)

Sequencial Model と Functional API Model です。

【Sequential Model】

Sequential モデルは単純に、今の層のそれぞれのノードに、前の層の全ノードから矢印を引っ張ってくるイメージです。

Functional API Model

こちらの方法では、2 つのニューラルネットワークの出力を入れてみたり、レイヤーを共有してみたりと、複雑なことができるようになります。

 
 

前回、よく分からなかったコードは、Functional API Modelで書かれていました。

なるほど・・そもそも論が分かってなかったです。

Sequential Modelでは自由度が低いそうなので、Functional API Modelに最初から慣れた方がよいそうです。

また、慣れてくるとFunctional API Modelの方が直感的に思えてくるそうです。

まだ何も理解してないので、それならFunctional API Modelから始めることにします。

ディープラーニングを学習するには、この本がオススメです。

Functional API Model

書き方は次のようになります。

  • Input関数で入力として受け付けるデータの次元を指定
  • 加えたいレイヤー関数の入力それ以前のレイヤー情報を指定して、変数に入れていく
  • Model関数で入力と出力を指定

理解したいコードは次の部分です。

うむ・・、分からないので、モデルを図示化してみましょう・・・。

Kerasのgraphvizモジュールで学習モデルを可視化

kerasのモジュールを使って、モデルの可視化ができるそうです。

ネットワークの構造を目で確認できるというのはかなり大きいと思います。

graphvizとpydotをインストールします(例:Windowsの場合)。

使い方は、plot_modelモデルを関数に入れるだけです。

【出力結果】

model

入力層

まず、Input関数で入力として受け付けるデータの次元を指定します。

shape は入力の次元を表しています。
(10, 1) という表記は、10 という要素だけもつ Tuple(配列みたいなもの)という意味です。

隠れ層(中間層:intermediate layer)

リカレントニューラルネットワークの一種であるLSTM (Long short-term memory) を中間層に利用しています。

ノード数が300で、入力が inputs であるような層です。

Activation(活性化関数)は「relu」を利用しています。

出力層

ノード数が1で、入力が x であるような層です。

予測株価を活性化関数「linear」、株価の増減を活性化関数「sigmoid」を利用しています。

dense は「密な」という意味で、前の層のすべてのノードから、この層のすべてのノードに対して矢印が引っ張られるから、こういう名前・・らしいです。

モデルを定義して入力と出力を接続

1つの入力と2つの出力を持ったモデルを定義します.

これは、図示化したモデルと同じです。

モデルをコンパイル

compileメソッドは3つの引数を取ります

最適化アルゴリズム(optimizer)は「adam」を利用しています。

損失関数(loss)は予測株価に「mape」、株価の増減に「binary_crossentropy」を利用しています。

評価関数のリスト(metrics)は分類問題の精度としてmetrics=[‘accuracy’]を指定しています。

ようするに?

なんとなく、よく見る学習モデルを構築している事はわかりました。

ただし利用するアルゴリズムが色々ありすぎて、なぜそれを使うのか?が分かりません。

また、シグモイド関数(sigmoid)とか、人工知能の本を読むとキーワードは出てくるので、聞いた&習ったことはあるけれど分かってないです。

とりあえず、詳細は次回にしよう・・・。

 - 2018年, システムトレード, テクノロジー, 投資

  関連記事

社内アイデアソンって参加するだけアイデア損

アイデアソンに参加したり、社内の文化祭的イベントで色々なプロト実装をしています。 …

三兵三羽崩れの有効性検証(protraシストレ)

バックテストの重要性は10年前から分かっていましたが、最近読んで再認識させられた …

動画配信のビジネスモデル(ライブ配信SHOWROOM、YY編)

前回はYoutubeのビジネスモデルをまとめました。 今回は、新しいビジネスモデ …

インターンシップで知るGoogleオフィスの雰囲気

マウンテンビューのGoogleオフィスでは食事(ご飯、飲み物、デザート全て)が無 …

2018年の挨拶&昨年の反省

大晦日にランチでパスタ屋の駐車場にマイカーを停めていた。 ここまでは、普通の光景 …

Bootswatchによる2rowデザイン&軽量化の検討

この2ヶ月間で「ランキング出力のOAuth 2.0対応」「Yahooコメントラン …

ついてる仙人の投資手法の有効性検証(protraシストレ)

ライブラリのソースを読んだり、20種類程度の手法の株のバックテストを実施すること …

都川水の里公園でガサガサ・セリ摘み(千葉市若葉区)

メダカを探して自転車で千葉市内を流れる都川を上流に向けて散策していると、 &nb …

前日比-10%投資法の有効性検証(protraシストレ)

システムトレード可能なバックテスト環境という「聖杯」を手に入れた。と喜んでいまし …

つくし(土筆)・ノビル(野蒜)摘み(有毒種の区別と調理方法)

春だ。 千葉市内を自転車で走っていたらツクシ(土筆)が大量に生えていた。 ツクシ …