J'ai installé et utilisé la bibliothèque Deep Learning Chainer

Installation

J'ai installé Chainer, la bibliothèque Deep Learning de PFI. Fondamentalement, selon QUICK START à http://chainer.org/ pip install chainer L'installation est terminée avec. Super facile. L'environnement que j'ai installé est Mac OS X Mavericks 10.9.5

Essayez de déplacer un échantillon d'analyse des sentiments

https://github.com/pfnet/chainer/tree/master/examples/sentiment

Lorsque vous exécutez download.sh, les données à analyser seront téléchargées. Contient des données d'entraînement, des données de test et des données de développement. Ce format.

(3 (2 (2 The) (2 Rock)) (4 (3 (2 is) (4 (2 destined) (2 (2 (2 (2 (2 to) (2 (2 be) (2 (2 the) (2 (2 21st) (2 (2 (2 Century) (2 's)) (2 (3 new) (2 (2 ``) (2 Conan)))))))) (2 '')) (2 and)) (3 (2 that) (3 (2 he) (3 (2 's) (3 (2 going) (3 (2 to) (4 (3 (2 make) (3 (3 (2 a) (3 splash)) (2 (2 even) (3 greater)))) (2 (2 than) (2 (2 (2 (2 (1 (2 Arnold) (2 Schwarzenegger)) (2 ,)) (2 (2 Jean-Claud) (2 (2 Van) (2 Damme)))) (2 or)) (2 (2 Steven) (2 Segal))))))))))))) (2 .)))

python train_sentiment.py Commencez à apprendre à.

Le résultat d'apprentissage ressemble à ceci (résultat à mi-chemin)

Epoch: 0 loss: 272091.89 15.52 iters/sec, 550.39 sec

Epoch: 1 loss: 231616.00 16.56 iters/sec, 516.08 sec

Epoch: 2 loss: 214706.52 19.19 iters/sec, 445.15 sec

Epoch: 3 loss: 203173.80 14.26 iters/sec, 599.03 sec

Epoch: 4 loss: 193821.91 19.16 iters/sec, 445.83 sec

Train data evaluation: Node accuracy: 77.93 %% (248,265/318,582) Root accuracy: 39.56 %% (3,380/8,544) Develop data evaluation: Node accuracy: 74.72 %% (30,968/41,447) Root accuracy: 34.15 %% (376/1,101)

Cela semble fonctionner pour le moment, alors essayons-le avec vos propres données.

Recommended Posts

J'ai installé et utilisé la bibliothèque Deep Learning Chainer
J'ai installé le framework Deep Learning Chainer
Bibliothèque DNN (Deep Learning): Comparaison de chainer et TensorFlow (1)
(python) Principes de base du chaînage de la bibliothèque d'apprentissage en profondeur
J'ai installé la bibliothèque de machine learning automatique auto-sklearn sur centos7
[Apprentissage automatique] Je vais vous expliquer en essayant le cadre d'apprentissage profond Chainer.
J'ai installé et utilisé Numba avec Python3.5
Chainer et deep learning appris par approximation de fonction
J'ai essayé le deep learning
[Deep Learning from scratch] J'ai implémenté la couche Affine
J'ai essayé la bibliothèque changefinder!
Où dans l'apprentissage en profondeur, le produit matriciel / produit interne est utilisé
Reconnaissez votre patron avec Deep Learning et masquez l'écran
[Python] J'ai installé le jeu depuis pip et j'ai essayé de jouer
J'ai capturé le projet Toho avec Deep Learning ... je le voulais.
Déplaçons word2vec avec Chainer et voyons la progression de l'apprentissage
Distillateur de bibliothèque d'éclaircissement de modèles d'apprentissage profond
J'ai installé la plateforme IoT "Rimotte"
Organisez des plateformes d'apprentissage automatique et d'apprentissage en profondeur
Déterminez si la bibliothèque est installée.
Didacticiel "CNTK" de la bibliothèque d'apprentissage en profondeur de Microsoft
J'ai essayé l'apprentissage en profondeur avec Theano
Résumé des pages utiles pour étudier le framework d'apprentissage profond Chainer
Graphique de l'historique du nombre de couches de deep learning et du changement de précision
Quand j'ai utilisé phantomjs de la bibliothèque de sélénium de Python, il est devenu zombie
[Deep Learning from scratch] J'ai essayé d'implémenter la couche sigmoïde et la couche Relu
J'ai essayé d'apprendre l'angle du péché et du cos avec le chainer
J'ai installé la bibliothèque avec Visual Studio Code, mais impossible d'importer
J'ai essayé de visualiser le modèle avec la bibliothèque d'apprentissage automatique low-code "PyCaret"
J'ai essayé de classer Oba Hanana et Otani Emiri par apprentissage profond
J'ai essayé l'histoire courante de l'utilisation du Deep Learning pour prédire la moyenne Nikkei
J'ai essayé l'histoire courante de prédire la moyenne Nikkei à l'aide du Deep Learning (backtest)
Classez les visages d'anime avec l'apprentissage en profondeur avec Chainer
J'ai installé DSX Desktop et l'ai essayé
Othello-De la troisième ligne de "Implementation Deep Learning" (3)
J'ai installé Python 3.5.1 pour étudier l'apprentissage automatique
Introduction au Deep Learning ~ Pliage et mise en commun ~
Signification des modèles et paramètres d'apprentissage en profondeur
Essayez avec Chainer Deep Q Learning - Lancement
Visualisez les effets de l'apprentissage profond / de la régularisation
Othello-De la troisième ligne de "Implementation Deep Learning" (2)
[Python] Deep Learning: J'ai essayé d'implémenter Deep Learning (DBN, SDA) sans utiliser de bibliothèque.
Deep Learning from scratch La théorie et la mise en œuvre de l'apprentissage profond appris avec Python Chapitre 3
Créez un environnement python pour apprendre la théorie et la mise en œuvre de l'apprentissage profond
J'ai essayé d'exécuter le didacticiel de détection d'objets en utilisant le dernier algorithme d'apprentissage en profondeur
J'ai essayé de traiter et de transformer l'image et d'élargir les données pour l'apprentissage automatique
J'ai essayé d'implémenter Cifar10 avec la bibliothèque SONY Deep Learning NNabla [Nippon Hurray]
L'apprentissage en profondeur
J'ai essayé de classer Hanana Oba et Emiri Otani par apprentissage profond (partie 2)
J'ai recherché dans la bibliothèque l'utilisation de l'API Gracenote
L'histoire de l'apprentissage profond avec TPU
Un mémorandum d'étude et de mise en œuvre du Deep Learning
Développez et gonflez votre propre ensemble de données Deep Learning
Vérification des méthodes et des variables à l'aide de la bibliothèque voir
Apprentissage parallèle du deep learning par Keras et Kubernetes
Introduction à l'apprentissage profond ~ Fonction de localisation et de perte ~
J'ai lu et implémenté les variantes de UKR
J'ai essayé d'utiliser la bibliothèque de programmation fonctionnelle toolz
Installez la bibliothèque d'apprentissage automatique TensorFlow sur fedora23
Présentation et fonctionnalités utiles de scikit-learn qui peuvent également être utilisées pour l'apprentissage en profondeur