FC2カウンター FPGAの部屋 ソニーのNeural Network Console をやってみた2

FPGAやCPLDの話題やFPGA用のツールの話題などです。 マニアックです。 日記も書きます。

FPGAの部屋

FPGAの部屋の有用と思われるコンテンツのまとめサイトを作りました。Xilinx ISEの初心者の方には、FPGAリテラシーおよびチュートリアルのページをお勧めいたします。

ソニーのNeural Network Console をやってみた2

ソニーのNeural Network Console をやってみた1”の続き。

前回は、ソニーのNeural Network Console をインストールして、サンプルプロジェクトをやってみた。今回は更にサンプルプロジェクトをやってみることした。

まずは、binary_cnn。やはり、4 と 9 から 9 を選択する。
Neural_Network_Console_14_170818.png

ネットワークは、Input - 畳み込み - マックス・プーリング - Tanh - 畳み込み - マックス・プーリング - Tanh - 全結合 - Tanh - 全結合 - シグモイド - 交差エントロピー誤差だった。
Neural_Network_Console_15_170818.png

学習結果を示す。
Neural_Network_Console_16_170818.png

評価。
Neural_Network_Console_17_170818.png

Accuracy は 0.988 だった。”ソニーのNeural Network Console をやってみた1”のネットワークよりも精度が良い。
Neural_Network_Console_18_170818.png

次に、auto_encoder をやってみる。
Neural_Network_Console_19_170818.png

ネットワークは、Input - ドロップアウト - 全結合 - シグモイド - 全結合 - シグモイド - 2乗誤差 だった。
Neural_Network_Console_20_170818.png

学習の結果を示す。
Neural_Network_Console_21_170818.png

次は、deep_mlp を試してみた。
Neural_Network_Console_22_170818.png

ネットワークは Input - 全結合 - Tanh - 全結合 - Tanh - 全結合 - Tanh - 全結合 - Tanh - 全結合 - シグモイド - 交差エントロピー誤差だった。全結合が5層だ。
Neural_Network_Console_23_170818.png

学習結果を示す。
Neural_Network_Console_24_170818.png

精度は、0.966 だった。binary_cnn よりも精度が落ちている。
Neural_Network_Console_25_170818.png

residual_learning をやってみた。今回は、4 と 9 から 9 を推定ではなく、MNISTの 0 から 9 の手書き数字をすべて推定する。
Neural_Network_Console_26_170818.png

ネットワークはとっても長い。
Neural_Network_Console_27_170818.png
Neural_Network_Console_28_170818.png
Neural_Network_Console_29_170818.png
Neural_Network_Console_30_170818.png
Neural_Network_Console_31_170818.png

学習には、10時間程度かかった。
Neural_Network_Console_32_170819.png

さすがに精度は0.9913 で、今までで一番良い。というか、MNISTの数字の推定の結果だけれども。。。
Neural_Network_Console_33_170819.png
  1. 2017年08月19日 05:45 |
  2. DNN
  3. | トラックバック:0
  4. | コメント:0

コメント

コメントの投稿


管理者にだけ表示を許可する

トラックバック URL
http://marsee101.blog19.fc2.com/tb.php/3887-7737dab7
この記事にトラックバックする(FC2ブログユーザー)