※現在、ブログ記事を移行中のため一部表示が崩れる場合がございます。
順次修正対応にあたっておりますので何卒ご了承いただけますよう、お願い致します。

Chainer: 中間層のユニット数は非常に少なくてもOK


2017年 04月 22日

デフォルのままだと、中間層が2層で、それぞれ1000ユニットで、
784 ==> 1000 ==> 1000 ==> 10
として動かしていた。

中間層の2層のノード数を自由に変更できるようになったので、まず次のようにしてみた。
784 ==> 300 ==> 30 ==> 10

Chainer$ python train_mnist1.py -g 0 -u 300 30
GPU: 0
# number: 60000
# units: [300, 30]
# Minibatch-size: 100
# epoch: 20

epoch       main/loss   validation/main/loss  main/accuracy  validation/main/accuracy  elapsed_time
1           0.307806    0.150247              0.913467       0.954                     2.44043
2           0.123374    0.112284              0.963534       0.9662                    4.77677
3           0.0812434   0.0797795             0.975833       0.9758                    7.09853
・・・・・・・・・・・・・・・      中  略      ・・・・・・・・・・・・・・・
18          0.00678134  0.0989654             0.997766       0.9799                    42.7799
19          0.00394047  0.107429              0.998866       0.9782                    45.2334
20          0.00806017  0.0969633             0.997466       0.9803                    47.6298
Chainer$
かなり中間層を小さくしたのだが、テスト精度は98%あり、精度は落ちていない。
つまり、中間層を小さくしても影響は少ないようだ。

ということで、どんどん減らしてみよう。
中間層の第2層を出力層と同じ10まで下げてみた。
分類数と同じだが、どうなるだろうか?

784 ==> 50 ==> 10 ==> 10

Chainer$ python train_mnist1.py -g 0 -u 50 10
GPU: 0
# number: 60000
# units: [50, 10]
# Minibatch-size: 100
# epoch: 20

epoch       main/loss   validation/main/loss  main/accuracy  validation/main/accuracy  elapsed_time
1           0.583669    0.312933              0.828284       0.9087                    2.45214
2           0.26503     0.23423               0.925767       0.931                     4.88362
3           0.202712    0.191492              0.942717       0.9448                    7.3304
・・・・・・・・・・・・・・・      中  略      ・・・・・・・・・・・・・・・
18          0.0472231   0.132507              0.985798       0.9636                    42.9347
19          0.0456997   0.120474              0.986715       0.9653                    45.3106
20          0.0433583   0.123629              0.986148       0.9672                    47.6485
Chainer$

かなり中間層を絞ったのだが、まだ96%の正解率である。
ということで、思いっきり絞ってみた。
784 ==> 40 ==> 2 ==> 10

Chainer$ python train_mnist1.py -g 0 -u 40 2
GPU: 0
# number: 60000
# units: [40, 2]
# Minibatch-size: 100
# epoch: 20

epoch       main/loss   validation/main/loss  main/accuracy  validation/main/accuracy  elapsed_time
1           1.66372     1.36298               0.392867       0.5006                    2.45188
2           1.20082     1.08511               0.562367       0.6294                    4.81112
3           0.997415    0.951765              0.65775        0.6989                    7.13735

18          0.3529      0.502587              0.915784       0.8996                    42.5103
19          0.341643    0.48146               0.918735       0.9035                    44.8852
20          0.329597    0.491561              0.920851       0.9042                    47.2294
Chainer$
という訳で、中間層のユニット数をどんどん減らし、第2層のユニット数を2まで減らしても正解率90%を維持しているのは脅威だ。

といっても、手書き数字の読み取りでの場合なのだ。
少々手書き数字には飽きてきたので、別のデータセットなども考えてみることにする。