順伝播の実行

PyTorchで学ぶIntroduction to Deep Learning

Jasmin Ludolf

Senior Data Science Content Developer, DataCamp

順伝播とは？

入力データが層を順に通過
各層で計算を実行
最終層が出力を生成

出力は重みとバイアスに基づく
学習と予測に使用

順伝播の図解

順伝播とは？

可能な出力：

二値分類
多クラス分類
回帰

最終出力を強調した順伝播の図

二値分類：順伝播

コメント付きコードブロック

# 二値分類モデルの作成
model = nn.Sequential(
  nn.Linear(6, 4), # 第1線形層
  nn.Linear(4, 1), # 第2線形層
  nn.Sigmoid() # Sigmoid 活性化関数
)

二値分類：順伝播

# 入力データをモデルに通す
output = model(input_data)
print(output)

tensor([[0.5188], [0.3761], [0.5015], [0.3718], [0.4663]], 
    grad_fn=<SigmoidBackward0>)

出力：各動物に対する0〜1の確率が5つ
分類（しきい値 0.5）：
- 値が0.5以上ならクラス＝1（哺乳類）（0.5188、0.5015）
- 0.5未満ならクラス＝0（非哺乳類）（0.3761、0.3718、0.4633）

多クラス分類：順伝播

クラス1 - 哺乳類、クラス2 - 鳥類、クラス3 - 爬虫類

n_classes = 3


# 多クラス分類モデルの作成
model = nn.Sequential(
  nn.Linear(6, 4), # 第1線形層
  nn.Linear(4, n_classes), # 第2線形層

  nn.Softmax(dim=-1) # Softmax 活性化 
)


# 入力データをモデルに通す
output = model(input_data)
print(output.shape)

torch.Size([5, 3])

多クラス分類：順伝播

多クラスの例

各行の合計は1
予測ラベル＝最も高い確率のクラス
行1＝クラス1（哺乳類）、行2＝クラス1（哺乳類）、行3＝クラス3（爬虫類）

回帰：順伝播

# 回帰モデルの作成
model = nn.Sequential(
  nn.Linear(6, 4), # 第1線形層
  nn.Linear(4, 1) # 第2線形層
)

# 入力データをモデルに通す
output = model(input_data)

# 出力を表示
print(output)

tensor([[0.3818],
        [0.0712],
        [0.3376],
        [0.0231],
        [0.0757]], 
        grad_fn=<AddmmBackward0>)

Ayo berlatih!

PyTorchで学ぶIntroduction to Deep Learning