PyTorchとオブジェクト指向プログラミング

PyTorchによる中級ディープラーニング

Michal Oleszak

Machine Learning Engineer

学習内容

堅牢な深層学習モデルの訓練方法：

オプティマイザによる訓練の改善
勾配消失・爆発の軽減
畳み込みニューラルネットワーク（CNN）
再帰型ニューラルネットワーク（RNN）
マルチ入力・マルチ出力モデル

PyTorchロゴ

前提知識

本コースは以下のトピックを理解していることを前提とします：

ニューラルネットワークの訓練：
- 順伝播
- 損失の計算
- 逆伝播
PyTorchによるモデル訓練：
- DatasetとDataLoader
- モデル訓練ループ
- モデル評価
前提コース： Introduction to Deep Learning with PyTorch

オブジェクト指向プログラミング（OOP）

OOPを使って以下を定義します：
- PyTorch Dataset
- PyTorchモデル
OOPではオブジェクトを以下で構成します：
- 機能（メソッド）
- データ（属性）

オブジェクト指向プログラミング（OOP）

class BankAccount:
    def __init__(self, balance):
        self.balance = balance

__init__はBankAccountオブジェクト生成時に呼び出される
balanceはBankAccountオブジェクトの属性

account = BankAccount(100)
print(account.balance)

オブジェクト指向プログラミング（OOP）

メソッド：タスクを実行するPython関数
depositメソッドで残高を増やす

class BankAccount:
    def __init__(self, balance):
        self.balance = balance


    def deposit(self, amount):
        self.balance += amount

account = BankAccount(100)
account.deposit(50)
print(account.balance)

水の飲料可否データセット

水の飲料可否データの最初と最後の数行を示すPandas DataFrame。

PyTorch Dataset

from torch.utils.data import Dataset

class WaterDataset(Dataset):

    def __init__(self, csv_path):
        super().__init__()
        df = pd.read_csv(csv_path)
        self.data = df.to_numpy()


    def __len__(self):
        return self.data.shape[0]


    def __getitem__(self, idx):
        features = self.data[idx, :-1]
        label = self.data[idx, -1]
        return features, label

init：データを読み込み、numpy配列として保存
- super().__init__()によりWaterDatasetがtorchのDatasetとして動作する
len：データセットのサイズを返す
getitem：
- idxという引数を受け取る
- インデックスidxの特徴量とラベルを返す

PyTorch DataLoader

dataset_train = WaterDataset(
    "water_train.csv"
)

from torch.utils.data import DataLoader

dataloader_train = DataLoader(
    dataset_train,
    batch_size=2,
    shuffle=True,
)

features, labels = next(iter(dataloader_train))
print(f"Features: {features},\nLabels: {labels}")

Features: tensor([
  [0.4899, 0.4180, 0.6299, 0.3496, 0.4575,
   0.3615, 0.3259, 0.5011, 0.7545],
  [0.7953, 0.6305, 0.4480, 0.6549, 0.7813,
   0.6566, 0.6340, 0.5493, 0.5789]
]),
Labels: tensor([1., 0.])

PyTorchモデル

Sequentialによるモデル定義：

net = nn.Sequential(
  nn.Linear(9, 16),
  nn.ReLU(),
  nn.Linear(16, 8),
  nn.ReLU(),
  nn.Linear(8, 1),
  nn.Sigmoid(),
)

クラスベースのモデル定義：

class Net(nn.Module):

    def __init__(self):
        super().__init__()
        self.fc1 = nn.Linear(9, 16)
        self.fc2 = nn.Linear(16, 8)
        self.fc3 = nn.Linear(8, 1)


    def forward(self, x):
        x = nn.functional.relu(self.fc1(x))
        x = nn.functional.relu(self.fc2(x))
        x = nn.functional.sigmoid(self.fc3(x))
        return x

net = Net()

練習しましょう！

PyTorchによる中級ディープラーニング