スキップしてメイン コンテンツに移動

1906.09 ChainerのNNモデルの定義でビギナーが陥りやすいエラー 4例

投稿者: Simon.P.G.

1906.09 ChainerのNNモデルの定義でビギナーが陥りやすいエラー 4例

Chainerを始めて、エラーが起こると、そのエラーの説明表示を見ても、よく分からないことが多い。ここでは、問題形式で、ビギナーが陥りやすいエラーを4例、挙げてみました。

例1

例えば、以下のコードを実行すると「Expect: in_types[2].dtype == in_types[0].dtype」「Actual: float32 != float64」のエラーが発生する。何がいけないのか?
In [1]:
# sec: lib

import numpy as np

import chainer
import chainer.links as L
import chainer.functions as F

# sec: ver

chainer.print_runtime_info()

Platform: Windows-7-6.1.7601-SP1
Chainer: 5.3.0
NumPy: 1.16.2
CuPy: Not Available
iDeep: Not Available

NNモデルを定義

In [2]:
class MyConvNet(chainer.Chain):

    def __init__(self):
        super(MyConvNet, self).__init__()

        # パラメータを持つ層の登録
        with self.init_scope():
            self.c1 = L.Convolution2D(None, 20, ksize=3, stride=2, pad=0)
            self.c2 = L.Convolution2D(None, 40, ksize=3, stride=2, pad=0)
            self.l1 = L.Linear(None, 100)
            self.l2 = L.Linear(None, 100)
            self.l3 = L.Linear(None, 40)

    def forward(self, x):
        # データを受け取った際のforward計算を書く
        
        # sec: conv
        
        print("x", x.shape, np.prod(x.shape[1:]))
        h = F.relu(self.c1(x))
        print("conv1", h.shape, np.prod(h.shape[1:]))
        h = F.relu(self.c2(h))
        print("conv2", h.shape, np.prod(h.shape[1:]))
        
        # sec: fc
        
        h = F.relu(self.l1(h))
        print("fc1", h.shape)
        h = F.relu(self.l2(h))
        print("fc2", h.shape)
        h = self.l3(h)
        print("fc3", h.shape)
        return h

NNモデルをチェック

In [3]:
n_batch = 128
n_ch = 3
n_height = 20
n_width = 120

# sec: NNモデルの出力値を計算

model = MyConvNet()

x = np.zeros((n_batch, n_ch, n_height, n_width))
y = model(x)
print("y", y.shape)

x (128, 3, 20, 120) 7200

---------------------------------------------------------------------------
InvalidType                               Traceback (most recent call last)
<ipython-input-3-483ddd3c675a> in <module>
      9 
     10 x = np.zeros((n_batch, n_ch, n_height, n_width))
---> 11 y = model(x)
     12 print("y", y.shape)

C:\Users\...\WPy32-3720\python-3.7.2\lib\site-packages\chainer\link.py in __call__(self, *args, **kwargs)
    240         if forward is None:
    241             forward = self.forward
--> 242         out = forward(*args, **kwargs)
    243 
    244         # Call forward_postprocess hook

<ipython-input-2-1f801910ef7f> in forward(self, x)
     18 
     19         print("x", x.shape, np.prod(x.shape[1:]))
---> 20         h = F.relu(self.c1(x))
     21         print("conv1", h.shape, np.prod(h.shape[1:]))
     22         h = F.relu(self.c2(h))

C:\Users\...\WPy32-3720\python-3.7.2\lib\site-packages\chainer\link.py in __call__(self, *args, **kwargs)    240         if forward is None:
    241             forward = self.forward
--> 242         out = forward(*args, **kwargs)
    243 
    244         # Call forward_postprocess hook

C:\Users\...\WPy32-3720\python-3.7.2\lib\site-packages\chainer\links\connection\convolution_2d.py in forward(self, x)    173         return convolution_2d.convolution_2d(
    174             x, self.W, self.b, self.stride, self.pad, dilate=self.dilate,
--> 175             groups=self.groups)
    176 
    177 

C:\Users\...\WPy32-3720\python-3.7.2\lib\site-packages\chainer\functions\connection\convolution_2d.py in convolution_2d(x, W, b, stride, pad, cover_all, **kwargs)    569     else:
    570         args = x, W, b
--> 571     y, = fnode.apply(args)
    572     return y

C:\Users\...\WPy32-3720\python-3.7.2\lib\site-packages\chainer\function_node.py in apply(self, inputs)    243 
    244         if configuration.config.type_check:
--> 245             self._check_data_type_forward(in_data)
    246 
    247         hooks = chainer.get_function_hooks()

C:\Users\...\WPy32-3720\python-3.7.2\lib\site-packages\chainer\function_node.py in _check_data_type_forward(self, in_data)    328         in_type = type_check.get_types(in_data, 'in_types', False)
    329         with type_check.get_function_check_context(self):
--> 330             self.check_type_forward(in_type)
    331 
    332     def check_type_forward(self, in_types):

C:\Users\...\WPy32-3720\python-3.7.2\lib\site-packages\chainer\functions\connection\convolution_2d.py in check_type_forward(self, in_types)     72                 b_type.dtype == x_type.dtype,
     73                 b_type.ndim == 1,
---> 74                 b_type.shape[0] == w_type.shape[0],
     75             )
     76 

C:\Users\...\WPy32-3720\python-3.7.2\lib\site-packages\chainer\utils\type_check.py in expect(*bool_exprs)    544         for expr in bool_exprs:
    545             assert isinstance(expr, Testable)
--> 546             expr.expect()
    547 
    548 

C:\Users\...\WPy32-3720\python-3.7.2\lib\site-packages\chainer\utils\type_check.py in expect(self)    481             raise InvalidType(
    482                 '{0} {1} {2}'.format(self.lhs, self.exp, self.rhs),
--> 483                 '{0} {1} {2}'.format(left, self.inv, right))
    484 
    485 

InvalidType: 
Invalid operation is performed in: Convolution2DFunction (Forward)

Expect: in_types[2].dtype == in_types[0].dtype
Actual: float32 != float64

修正点

これは、ChainerのNNモデルに入力する変数xの型は既定でfloat32でなくてはならないが、np.zerosを使うと既定ではfloat64の型で生成されるので、明示的にfloat32で定義する必要がある。「x = np.zeros((n_batch, n_ch, n_height, n_width), dtype="float32")」のように修正しなくてはならない。
知っている人にとっては当たり前に感じるが、知らない人にとっては思い付きようがないので苦労するだろうと思います。。。
In [4]:
n_batch = 128
n_ch = 3
n_height = 20
n_width = 120

# sec: NNモデルの出力値を計算

model = MyConvNet()

x = np.zeros((n_batch, n_ch, n_height, n_width), dtype="float32")
y = model(x)
print("y", y.shape)

x (128, 3, 20, 120) 7200
conv1 (128, 20, 9, 59) 10620
conv2 (128, 40, 4, 29) 4640
fc1 (128, 100)
fc2 (128, 100)
fc3 (128, 40)
y (128, 40)

例2

例えば、以下のコードを実行すると「Expect: t.dtype.kind == i」「Actual: f != i」のエラーが発生する。何がいけないのか?
In [5]:
import numpy as np

import chainer
import chainer.links as L
import chainer.functions as F

chainer.print_runtime_info()

Platform: Windows-7-6.1.7601-SP1
Chainer: 5.3.0
NumPy: 1.16.2
CuPy: Not Available
iDeep: Not Available

NNモデルを定義

In [6]:
class MyConvNet(chainer.Chain):

    def __init__(self):
        super(MyConvNet, self).__init__()

        # パラメータを持つ層の登録
        with self.init_scope():
            self.c1 = L.Convolution2D(None, 20, ksize=3, stride=2, pad=0)
            self.c2 = L.Convolution2D(None, 40, ksize=3, stride=2, pad=0)
            self.l1 = L.Linear(None, 100)
            self.l2 = L.Linear(None, 100)
            self.l3 = L.Linear(None, 40)

    def forward(self, x):
        # データを受け取った際のforward計算を書く
        
        # sec: conv
        
        print("x", x.shape, np.prod(x.shape[1:]))
        h = F.relu(self.c1(x))
        print("conv1", h.shape, np.prod(h.shape[1:]))
        h = F.relu(self.c2(h))
        print("conv2", h.shape, np.prod(h.shape[1:]))
        
        # sec: fc
        
        h = F.relu(self.l1(h))
        print("fc1", h.shape)
        h = F.relu(self.l2(h))
        print("fc2", h.shape)
        h = self.l3(h)
        print("fc3", h.shape)
        return h

NNモデルのチェック

In [7]:
n_batch = 128
n_ch = 1
n_height = 20
n_width = 120

# sec: NNモデルの出力値を計算

model = MyConvNet()

x = np.zeros((n_batch, n_ch, n_height, n_width), dtype="float32")
y = model(x)
print("y", y.shape)

x (128, 1, 20, 120) 2400
conv1 (128, 20, 9, 59) 10620
conv2 (128, 40, 4, 29) 4640
fc1 (128, 100)
fc2 (128, 100)
fc3 (128, 40)
y (128, 40)
In [8]:
# sec: 勾配を計算

loss = F.softmax_cross_entropy(y, np.zeros(n_batch))
print(loss)

model.cleargrads()
loss.backward()

---------------------------------------------------------------------------
InvalidType                               Traceback (most recent call last)
<ipython-input-8-76e8540795b5> in <module>
      1 # sec: 勾配を計算
      2 
----> 3 loss = F.softmax_cross_entropy(y, np.zeros(n_batch))
      4 print(loss)
      5 

C:\Users\...\WPy32-3720\python-3.7.2\lib\site-packages\chainer\functions\loss\softmax_cross_entropy.py in softmax_cross_entropy(x, t, normalize, cache_score, class_weight, ignore_label, reduce, enable_double_backprop)    380     else:
    381         return SoftmaxCrossEntropy(
--> 382             normalize, cache_score, class_weight, ignore_label, reduce)(x, t)

C:\Users\...\WPy32-3720\python-3.7.2\lib\site-packages\chainer\function.py in __call__(self, *inputs)    231         self._owned_node = None
    232 
--> 233         ret = node.apply(inputs)
    234 
    235         if len(ret) == 1:

C:\Users\...\WPy32-3720\python-3.7.2\lib\site-packages\chainer\function_node.py in apply(self, inputs)    243 
    244         if configuration.config.type_check:
--> 245             self._check_data_type_forward(in_data)
    246 
    247         hooks = chainer.get_function_hooks()

C:\Users\...\WPy32-3720\python-3.7.2\lib\site-packages\chainer\function_node.py in _check_data_type_forward(self, in_data)    328         in_type = type_check.get_types(in_data, 'in_types', False)
    329         with type_check.get_function_check_context(self):
--> 330             self.check_type_forward(in_type)
    331 
    332     def check_type_forward(self, in_types):

C:\Users\...\WPy32-3720\python-3.7.2\lib\site-packages\chainer\function.py in check_type_forward(self, in_types)    128 
    129     def check_type_forward(self, in_types):
--> 130         self._function.check_type_forward(in_types)
    131 
    132     def forward(self, inputs):

C:\Users\...\WPy32-3720\python-3.7.2\lib\site-packages\chainer\functions\loss\softmax_cross_entropy.py in check_type_forward(self, in_types)     76 
     77             x_type.shape[0] == t_type.shape[0],
---> 78             x_type.shape[2:] == t_type.shape[1:],
     79         )
     80 

C:\Users\...\WPy32-3720\python-3.7.2\lib\site-packages\chainer\utils\type_check.py in expect(*bool_exprs)    544         for expr in bool_exprs:
    545             assert isinstance(expr, Testable)
--> 546             expr.expect()
    547 
    548 

C:\Users\...\WPy32-3720\python-3.7.2\lib\site-packages\chainer\utils\type_check.py in expect(self)    481             raise InvalidType(
    482                 '{0} {1} {2}'.format(self.lhs, self.exp, self.rhs),
--> 483                 '{0} {1} {2}'.format(left, self.inv, right))
    484 
    485 

InvalidType: 
Invalid operation is performed in: SoftmaxCrossEntropy (Forward)

Expect: t.dtype.kind == i
Actual: f != i

修正点

これは、クラス識別のタクスでsoftmaxを用いた場合の真値ラベルの型はint32でなくてはならないが、np.zerosを使うと既定ではfloat64の型で生成されるので、明示的にint32で定義する必要がある。「np.zeros(n_batch, dtype="int32")」のように修正しなくてはならない。
知っている人にとっては当たり前に感じるが、知らない人にとっては思い付きようがないので苦労するだろうと思います。。。
In [10]:
# sec: 勾配を計算

loss = F.softmax_cross_entropy(y, np.zeros(n_batch, dtype="int32"))
print(loss)

model.cleargrads()
loss.backward()

variable(3.68888)

例3

例えば、以下のコードを実行すると「AssertionError: Height in the output should be positive.」のエラーが発生する。何がいけないのか?
In [5]:
import numpy as np

import chainer
import chainer.links as L
import chainer.functions as F

chainer.print_runtime_info()

Platform: Windows-7-6.1.7601-SP1
Chainer: 5.3.0
NumPy: 1.16.2
CuPy: Not Available
iDeep: Not Available

NNモデルを定義

In [21]:
class MyConvNet(chainer.Chain):

    def __init__(self):
        super(MyConvNet, self).__init__()

        # パラメータを持つ層の登録
        with self.init_scope():
            self.c1 = L.Convolution2D(None, 20, ksize=5, stride=5, pad=0)
            self.c2 = L.Convolution2D(None, 40, ksize=5, stride=5, pad=0)
            self.l1 = L.Linear(None, 100)
            self.l2 = L.Linear(None, 100)
            self.l3 = L.Linear(None, 40)

    def forward(self, x):
        # データを受け取った際のforward計算を書く
        
        # sec: conv
        
        print("x", x.shape, np.prod(x.shape[1:]))
        h = F.relu(self.c1(x))
        print("conv1", h.shape, np.prod(h.shape[1:]))
        h = F.relu(self.c2(h))
        print("conv2", h.shape, np.prod(h.shape[1:]))
        
        # sec: fc
        
        h = F.relu(self.l1(h))
        print("fc1", h.shape)
        h = F.relu(self.l2(h))
        print("fc2", h.shape)
        h = self.l3(h)
        print("fc3", h.shape)
        return h

NNモデルのチェック

In [22]:
n_batch = 128
n_ch = 1
n_height = 20
n_width = 120

# sec: NNモデルの出力値を計算

model = MyConvNet()

x = np.zeros((n_batch, n_ch, n_height, n_width), dtype="float32")
y = model(x)
print("y", y.shape)

x (128, 1, 20, 120) 2400
conv1 (128, 20, 4, 24) 1920

---------------------------------------------------------------------------
AssertionError                            Traceback (most recent call last)
<ipython-input-22-b3b11233d48c> in <module>
      9 
     10 x = np.zeros((n_batch, n_ch, n_height, n_width), dtype="float32")
---> 11 y = model(x)
     12 print("y", y.shape)

C:\Users\...\WPy32-3720\python-3.7.2\lib\site-packages\chainer\link.py in __call__(self, *args, **kwargs)    240         if forward is None:
    241             forward = self.forward
--> 242         out = forward(*args, **kwargs)
    243 
    244         # Call forward_postprocess hook

<ipython-input-21-747056a5fafd> in forward(self, x)
     20         h = F.relu(self.c1(x))
     21         print("conv1", h.shape, np.prod(h.shape[1:]))
---> 22         h = F.relu(self.c2(h))
     23         print("conv2", h.shape, np.prod(h.shape[1:]))
     24 

C:\Users\...\WPy32-3720\python-3.7.2\lib\site-packages\chainer\link.py in __call__(self, *args, **kwargs)    240         if forward is None:
    241             forward = self.forward
--> 242         out = forward(*args, **kwargs)
    243 
    244         # Call forward_postprocess hook

C:\Users\...\WPy32-3720\python-3.7.2\lib\site-packages\chainer\links\connection\convolution_2d.py in forward(self, x)    173         return convolution_2d.convolution_2d(
    174             x, self.W, self.b, self.stride, self.pad, dilate=self.dilate,
--> 175             groups=self.groups)
    176 
    177 

C:\Users\...\WPy32-3720\python-3.7.2\lib\site-packages\chainer\functions\connection\convolution_2d.py in convolution_2d(x, W, b, stride, pad, cover_all, **kwargs)    569     else:
    570         args = x, W, b
--> 571     y, = fnode.apply(args)
    572     return y

C:\Users\...\WPy32-3720\python-3.7.2\lib\site-packages\chainer\function_node.py in apply(self, inputs)    261                 outputs = static_forward_optimizations(self, in_data)
    262             else:
--> 263                 outputs = self.forward(in_data)
    264 
    265         # Check for output array types

C:\Users\...\WPy32-3720\python-3.7.2\lib\site-packages\chainer\function_node.py in forward(self, inputs)    368         if isinstance(inputs[0], cuda.ndarray):
    369             return self.forward_gpu(inputs)
--> 370         return self.forward_cpu(inputs)
    371 
    372     def forward_cpu(self, inputs):

C:\Users\...\WPy32-3720\python-3.7.2\lib\site-packages\chainer\functions\connection\convolution_2d.py in forward_cpu(self, inputs)    103             return self._forward_grouped_convolution(x, W, b)
    104         else:
--> 105             return self._forward_cpu_core(x, W, b)
    106 
    107     def _forward_cpu_core(self, x, W, b):

C:\Users\...\WPy32-3720\python-3.7.2\lib\site-packages\chainer\functions\connection\convolution_2d.py in _forward_cpu_core(self, x, W, b)    112         col = conv.im2col_cpu(
    113             x, kh, kw, self.sy, self.sx, self.ph, self.pw,
--> 114             cover_all=self.cover_all, dy=self.dy, dx=self.dx)
    115         y = numpy.tensordot(
    116             col, W, ((1, 2, 3), (1, 2, 3))).astype(x.dtype, copy=False)

C:\Users\...\WPy32-3720\python-3.7.2\lib\site-packages\chainer\utils\conv.py in im2col_cpu(img, kh, kw, sy, sx, ph, pw, pval, cover_all, dy, dx, out_h, out_w)     69     if out_h is None:
     70         out_h = get_conv_outsize(h, kh, sy, ph, cover_all, dy)
---> 71     assert out_h > 0, 'Height in the output should be positive.'
     72     if out_w is None:
     73         out_w = get_conv_outsize(w, kw, sx, pw, cover_all, dx)

AssertionError: Height in the output should be positive.

修正点

これは、ダミーの入力画像の縦長さが20pxに対して、Convolution2D層の処理設定がksize=5, stride=5, pad=0なので、当層の出力の画像サイズが小さくなっていき、縦長さが無くなってしまったために発生している。「L.Convolution2D(None, 20, ksize=5, stride=2, pad=0)」などのように修正しなくてはならない。
知っている人にとっては当たり前に感じるが、知らない人にとっては思い付きようがないので苦労するだろうと思います。。。
In [19]:
class MyConvNet(chainer.Chain):

    def __init__(self):
        super(MyConvNet, self).__init__()

        # パラメータを持つ層の登録
        with self.init_scope():
            self.c1 = L.Convolution2D(None, 20, ksize=5, stride=2, pad=0)
            self.c2 = L.Convolution2D(None, 40, ksize=5, stride=2, pad=0)
            self.l1 = L.Linear(None, 100)
            self.l2 = L.Linear(None, 100)
            self.l3 = L.Linear(None, 40)

    def forward(self, x):
        # データを受け取った際のforward計算を書く
        
        # sec: conv
        
        print("x", x.shape, np.prod(x.shape[1:]))
        h = F.relu(self.c1(x))
        print("conv1", h.shape, np.prod(h.shape[1:]))
        h = F.relu(self.c2(h))
        print("conv2", h.shape, np.prod(h.shape[1:]))
        
        # sec: fc
        
        h = F.relu(self.l1(h))
        print("fc1", h.shape)
        h = F.relu(self.l2(h))
        print("fc2", h.shape)
        h = self.l3(h)
        print("fc3", h.shape)
        return h
In [20]:
n_batch = 128
n_ch = 1
n_height = 20
n_width = 120

# sec: NNモデルの出力値を計算

model = MyConvNet()

x = np.zeros((n_batch, n_ch, n_height, n_width), dtype="float32")
y = model(x)
print("y", y.shape)

x (128, 1, 20, 120) 2400
conv1 (128, 20, 8, 58) 9280
conv2 (128, 40, 2, 27) 2160
fc1 (128, 100)
fc2 (128, 100)
fc3 (128, 40)
y (128, 40)

例4

例えば、以下のコードを実行すると「IndexError: index 40 is out of bounds for axis 0 with size 40」のエラーが発生する。何がいけないのか?
In [23]:
import numpy as np

import chainer
import chainer.links as L
import chainer.functions as F

chainer.print_runtime_info()

Platform: Windows-7-6.1.7601-SP1
Chainer: 5.3.0
NumPy: 1.16.2
CuPy: Not Available
iDeep: Not Available

NNモデルを定義

In [24]:
class MyConvNet(chainer.Chain):

    def __init__(self):
        super(MyConvNet, self).__init__()

        # パラメータを持つ層の登録
        with self.init_scope():
            self.c1 = L.Convolution2D(None, 20, ksize=3, stride=2, pad=0)
            self.c2 = L.Convolution2D(None, 40, ksize=3, stride=2, pad=0)
            self.l1 = L.Linear(None, 100)
            self.l2 = L.Linear(None, 100)
            self.l3 = L.Linear(None, 40)

    def forward(self, x):
        # データを受け取った際のforward計算を書く
        
        # sec: conv
        
        print("x", x.shape, np.prod(x.shape[1:]))
        h = F.relu(self.c1(x))
        print("conv1", h.shape, np.prod(h.shape[1:]))
        h = F.relu(self.c2(h))
        print("conv2", h.shape, np.prod(h.shape[1:]))
        
        # sec: fc
        
        h = F.relu(self.l1(h))
        print("fc1", h.shape)
        h = F.relu(self.l2(h))
        print("fc2", h.shape)
        h = self.l3(h)
        print("fc3", h.shape)
        return h

NNモデルのチェック

In [25]:
n_batch = 128
n_ch = 1
n_height = 20
n_width = 120

# sec: NNモデルの出力値を計算

model = MyConvNet()

x = np.zeros((n_batch, n_ch, n_height, n_width), dtype="float32")
y = model(x)
print("y", y.shape)

x (128, 1, 20, 120) 2400
conv1 (128, 20, 9, 59) 10620
conv2 (128, 40, 4, 29) 4640
fc1 (128, 100)
fc2 (128, 100)
fc3 (128, 40)
y (128, 40)
In [26]:
# sec: 勾配を計算

loss = F.softmax_cross_entropy(y, np.arange(0, n_batch, dtype="int32"))
print(loss)

model.cleargrads()
loss.backward()

---------------------------------------------------------------------------
IndexError                                Traceback (most recent call last)
<ipython-input-26-304aa0a6e035> in <module>
      1 # sec: 勾配を計算
      2 
----> 3 loss = F.softmax_cross_entropy(y, np.arange(0, n_batch, dtype="int32"))
      4 print(loss)
      5 

C:\Users\...\WPy32-3720\python-3.7.2\lib\site-packages\chainer\functions\loss\softmax_cross_entropy.py in softmax_cross_entropy(x, t, normalize, cache_score, class_weight, ignore_label, reduce, enable_double_backprop)    380     else:
    381         return SoftmaxCrossEntropy(
--> 382             normalize, cache_score, class_weight, ignore_label, reduce)(x, t)

C:\Users\...\WPy32-3720\python-3.7.2\lib\site-packages\chainer\function.py in __call__(self, *inputs)    231         self._owned_node = None
    232 
--> 233         ret = node.apply(inputs)
    234 
    235         if len(ret) == 1:

C:\Users\...\WPy32-3720\python-3.7.2\lib\site-packages\chainer\function_node.py in apply(self, inputs)    261                 outputs = static_forward_optimizations(self, in_data)
    262             else:
--> 263                 outputs = self.forward(in_data)
    264 
    265         # Check for output array types

C:\Users\...\WPy32-3720\python-3.7.2\lib\site-packages\chainer\function.py in forward(self, inputs)    133         # Retain all inputs by default in old-style functions.
    134         self.retain_inputs(six.moves.range(len(inputs)))
--> 135         return self._function.forward(inputs)
    136 
    137     def backward(self, target_input_indexes, grad_outputs):

C:\Users\...\WPy32-3720\python-3.7.2\lib\site-packages\chainer\function.py in forward(self, inputs)    340             return self.forward_gpu(inputs)
    341         else:
--> 342             return self.forward_cpu(inputs)
    343 
    344     def forward_cpu(self, inputs):

C:\Users\...\WPy32-3720\python-3.7.2\lib\site-packages\chainer\functions\loss\softmax_cross_entropy.py in forward_cpu(self, inputs)     94         t_valid = t != self.ignore_label
     95         t = t * t_valid
---> 96         log_p = log_yd[t.ravel(), numpy.arange(t.size)]
     97 
     98         log_p *= t_valid.ravel()

IndexError: index 40 is out of bounds for axis 0 with size 40

修正点

これは、NNモデルの出力の数が「self.l3 = L.Linear(None, 40)」と定義されており、0～39までの40カテゴリの範囲に収まらなくてはいけないが、真値ラベルは「np.arange(0, n_batch, dtype="int32")」となっており、0～127までの値がsoftmaxに入るので、40以上のカテゴリは範囲外というエラーが発生している。「np.arange(0, n_batch, dtype="int32") % 40」などのように修正しなくてはならない。
知っている人にとっては当たり前に感じるが、知らない人にとっては思い付きようがないので苦労するだろうと思います。。。
In [27]:
# sec: 勾配を計算

loss = F.softmax_cross_entropy(y, np.arange(0, n_batch, dtype="int32") % 40)
print(loss)

model.cleargrads()
loss.backward()

variable(3.68888)

1906.08 Chainerでエラーが起こると意味が分からないことがある

Chainerは、エラーが起こると、そのエラーの説明表示を見ても、Pythonの呼び出し履歴のログを見ても、なぜエラーになっているのか、全く分からない事があります。Chainerを使い始めたよく知らない人にとっては、死活問題。恐らく、ここで挫折して、Chainerの利用を諦めてしまう人がいるのではないかと危惧しています。

コメント

コメントを投稿

このブログの人気の投稿

Jupyter Notebook (.ipynb)の綺麗な見た目のまま内容をブログで公開する方法

投稿者: Simon.P.G.
検索 Webを探してみても、意外と、Jupyter Notebook (.ipynb)の内容を、簡単で綺麗に表示できる方法が見当たらない。 https://minus9d.hatenablog.com/entry/2018/03/17/153537 Github 　Githubのレポジトリに登録された.ipynbファイルは自動的に整形されて閲覧できます。 Gist 　.ipynbファイルのテキストを全文コピーしてGistに貼り付け Binder (beta) Herokuの無料枠を使ってJupyterサーバを立てる nbconvertコマンドを使ってHTMLやMarkdownに変換し加工 別サイトのサービスを利用しなくてはならないと、記事を書く度に毎回、アップロード操作しなくてはならない。 どれも面倒。 そこで 記事の原稿はローカルPCに残る 投稿操作は1回きりで楽 HTMLをそのまま貼り付けたい を満たすような方法を模索すると、以下の方法で、おおよそ 簡単にJupyter Notebookの内容をそのままブログに載せられる ことが分かった。 方法 ブログ記事の作成・編集、コードの実行・試行錯誤は、すべてローカルのPCのJupyter Notebook(.ipynb)上で作る。 　↓ Jupyter Notebookのメニュー→File→ Print Preview でプレビューを表示。 プレビューページ が表示される。 　↓ プレビューページの一部・全てを選択して、 コピー 。 　↓ ブログ(Bloggerを使用)サイトで新規記事を作成して、 ペースト 。 プレビュー表示のHTMLが、そのまま維持・貼り付けされる。 　↓ ブログを投稿。 利点 この方法であれば、かなり書きやすい。 ローカルのPCに原稿の 文章データ(.ipynb)はすべて残り 、安心。 ブログに投稿しても、見た目がほとんど同じ、 綺麗な見た目のまま を維持可。 ブログへの投稿は、 コピー&ペーストだけ でOK、非常に楽。 グラフ画像も、コピー&ペーストで同様に一括で貼り付け られて投稿されるので、楽。 ブログ記事の修正投稿は、ローカル...
コメントを投稿
続きを読む

98%精度のNNモデルが間違える画像(MNIST)とは?

投稿者: Simon.P.G.
「28x28数字画像入力→L.Linear(100ノード)→L.Linear(100ノード)→L.Linear(10ノード)→10出力クラス」の形のNNモデルを、MNISTデータで98%精度まで学習させた予測器を使用して、MNIST画像データの中を少し深く掘り下げて見てみる。 記事: Chainer初試行⇒成功 のNNモデル・結果を利用。 NNモデルのロード In [1]: import chainer import chainer.links as L import chainer.functions as F class MLP ( chainer . Chain ): def __init__ ( self , n_mid_units = 100 , n_out = 10 ): super ( MLP , self ) . __init__ () # パラメータを持つ層の登録 with self . init_scope (): self . l1 = L . Linear ( None , n_mid_units ) self . l2 = L . Linear ( n_mid_units , n_mid_units ) self . l3 = L . Linear ( n_mid_units , n_out ) def forward ( self , x ): # データを受け取った際のforward計算を書く h1 = F . relu ( self . l1 ( x )) h2 = F . relu ( self . l2 ( h1 )) return self . l3 ( h2 ) In [2]: from chainer import serializers my_net = MLP () serializers . load_npz ( 'my_mnis...
コメントを投稿
続きを読む

Chainerをインストール⇒成功 (ローカルPCのJupyter Notebook上、pipを利用)

投稿者: Simon.P.G.
ローカルPCで稼働するJupyter NotebookのPythonにChainerをインストール。 Jupyter Notebookは、WinPython 32bit 3.5.2.3 Qt5をインストールして、導入。 1行「!pip install chainer」を実行するだけ でOK、非常に簡単。 In [3]: ! pip install chainer Collecting chainer Downloading https://files.pythonhosted.org/packages/6d/a1/8e9110a60e045341e36910568cd53f54a791fff6844448a46331f597177f/chainer-5.2.0.tar.gz (513kB) Collecting filelock (from chainer) Downloading https://files.pythonhosted.org/packages/d7/ca/3c74396a9ed8a4cfab5459800edeef9a1269591cb21f5a49bd71a49c5fa2/filelock-3.0.10-py3-none-any.whl Requirement already satisfied: numpy>=1.9.0 in c:\users\sample\winpython-32bit-3.5.2.3qt5\python-3.5.2\lib\site-packages (from chainer) (1.11.2+mkl) Collecting protobuf>=3.0.0 (from chainer) Downloading https://files.pythonhosted.org/packages/20/b7/fd638c741e9a75da0ff955b50cf42ddb71042575e5ba14d6ffd269e37a24/protobuf-3.6.1-cp35-cp35m-win32.whl (935kB) Requirement already satisfied: six>=1.9.0 in c:\users\sampl...
コメントを投稿
続きを読む

Chainer初試行⇒成功 (ローカルPCのJupyter Notebook上、CPUでの実行、MNIST)

投稿者: Simon.P.G.
「4.2. Chainerの基本的な使い方」を実際に実行してみる。 https://japan-medical-ai.github.io/medical-ai-course-materials/notebooks/Introduction_to_Chainer.html#Chainer%E3%81%AE%E5%9F%BA%E6%9C%AC%E7%9A%84%E3%81%AA%E4%BD%BF%E3%81%84%E6%96%B9 インストール直後の初回試行時は、net(x)の評価の行でエラーとなっていたが、 Jupyter Notebook再起動、PC再起動 などを実施した後に、エラーが無くなる。 In [5]: from chainer.datasets import mnist # データセットがダウンロード済みでなければ，ダウンロードも行う train_val , test = mnist . get_mnist ( withlabel = True , ndim = 1 ) Downloading from http://yann.lecun.com/exdb/mnist/train-images-idx3-ubyte.gz... Downloading from http://yann.lecun.com/exdb/mnist/train-labels-idx1-ubyte.gz... Downloading from http://yann.lecun.com/exdb/mnist/t10k-images-idx3-ubyte.gz... Downloading from http://yann.lecun.com/exdb/mnist/t10k-labels-idx1-ubyte.gz... In [46]: import matplotlib.pyplot as plt plt . imshow ( train_val [ 0 ][ 0 ] . reshape ( 28 , 28 ), cmap = 'gray' , interpolation = "none" ) plt . show ...
コメントを投稿
続きを読む

NNモデルの評価値をもう一度計算⇒成功 (必要部分だけ抜粋したコードをもう一度書く)

投稿者: Simon.P.G.
抜粋したコードで評価 Iterator⇒成功 In [56]: my_net = MLP () serializers . load_npz ( 'my_mnist.model' , my_net ) In [57]: train_iter = iterators . SerialIterator ( train_val , batchsize ) x , t = concat_examples ( train_iter . next (), gpu_id ) with chainer . using_config ( 'train' , False ), chainer . using_config ( 'enable_backprop' , False ): y = net ( x ) accuracy = F . accuracy ( y , t ) print ( accuracy . array ) 0.984375 抜粋したコードで評価 画像1枚⇒成功 In [59]: x , t = test [ random . randint ( 0 , len ( test ))] x = infer_net . xp . asarray ( x [ None , ... ]) with chainer . using_config ( 'train' , False ), chainer . using_config ( 'enable_backprop' , False ): y = infer_net ( x ) y = y . array print ( y ) print ( y . argmax ( axis = 1 )[ 0 ], t ) [[ -0.13074946 -3.27831101 14.03434944 4.3200264 -9.22432804 -6.01922178 ...
コメントを投稿
続きを読む

1906.07 Chainer NNモデルの中間層でデータを分岐・結合する方法

投稿者: Simon.P.G.
1906.07 Chainer NNモデルの中間層でデータを分岐・結合 chainer.functionsの「reshape」と「concat」を用いて結合できる模様。 https://docs.chainer.org/en/stable/reference/generated/chainer.functions.reshape.html https://docs.chainer.org/en/stable/reference/generated/chainer.functions.concat.html#chainer.functions.concat In [1]: # sec: lib import numpy as np import chainer import chainer.links as L import chainer.functions as F # sec: ver chainer . print_runtime_info () Platform: Windows-7-6.1.7601-SP1 Chainer: 5.3.0 NumPy: 1.16.2 CuPy: Not Available iDeep: Not Available NNモデルを定義 In [61]: # sec: NNモデルの定義 class MyConvNet ( chainer . Chain ): def __init__ ( self ): super ( MyConvNet , self ) . __init__ () # パラメータを持つ層の登録 with self . init_scope (): self . c1 = L . Convolution2D ( None , 10 , ksize = 3 , stride = 2 , pad = 0 ) self . c2 = L . Convolution2D ( None , 10 , ksi...
コメントを投稿
続きを読む