ruby-dnn 0.5.9 → 0.5.10

checksums.yaml

@@ -1,7 +1,7 @@
 ---
 SHA256:
-  metadata.gz: c6e9ccaa1dd5279ca0c9b41ac4ae9573e6ca0ca35c0ce9450bb6e3a9024eae31
-  data.tar.gz: 2c1247ccf2b6a906f39fb5cbbdda9b837e54453c429ee041e8e1736513ff6ed5
+  metadata.gz: c7df0888afbde3ac66d5aaa66d7ef87f66edd58156945d4f1663552994e0d12f
+  data.tar.gz: 4c638c3f14f4cb0bea17ec31225c19aa2ca30b14a4e81c12bb8ee791137d3072
 SHA512:
-  metadata.gz: 04d4050badafcd44004c92e34fec1a57c8318da220a8372eccc381bed67741b60ae01a95b57eb56a4c70c0591a10ba8ca643bf86399f471dd606acb25503bd99
-  data.tar.gz: 67528cd4ca207086c6e54d8e5bd232b072638a189e57b2fb45433ab7322ce35424b2d5657bb52f31188d867b9163dd4280f8505dbe61c9e11b26e3b8f0b7ffd0
+  metadata.gz: 4d3672bcb7f3763bd269d1adda133f4e90a8e1ab70f91bc5fb971eb18dfa346ebed16e1b88269fcb923d97fb2cdf131d680f74c487546ec0d121be8254a85e6f
+  data.tar.gz: 0f1f13a53ffb712ac97fea6cd9d06cb10d1076c032728cdc056f7e5489e8a97ac86e6000ce66a62858c1320441ac0b8562d3c47f44ec14eca0203995a80b48e5

data/API-Reference.ja.md

@@ -2,7 +2,7 @@
 ruby-dnnのAPIリファレンスです。このリファレンスでは、APIを利用するうえで必要となるクラスとメソッドしか記載していません。
 そのため、プログラムの詳細が必要な場合は、ソースコードを参照してください。
 
-最終更新バージョン:0.5.9
+最終更新バージョン:0.5.10
 
 # module DNN
 ruby-dnnの名前空間をなすモジュールです。
@@ -101,9 +101,9 @@ bool
 ## def train(x, y, epochs, batch_size: 1, test: nil, verbose: true, batch_proc: nil, &epoch_proc)
 コンパイルしたモデルを用いて学習を行います。
 ### arguments
-* SFloat x  
+* Numo::SFloat x  
 トレーニング用入力データ。
-* SFloat y  
+* Numo::SFloat y  
 トレーニング用出力データ。
 * epochs  
 学習回数。
@@ -124,9 +124,9 @@ epoch_proc
 ## def train_on_batch(x, y, batch_size, &batch_proc)
 入力されたバッチデータをもとに、一度だけ学習を行います。
 ### arguments
-* SFloat x
+* Numo::SFloat x
 トレーニング用入力バッチデータ。
-* SFloat y
+* Numo::SFloat y
 トレーニング用出力バッチデータ。
 * Integer batch_size
 学習に使用するミニバッチの数。
@@ -139,9 +139,9 @@ Integer
 ## def accurate(x, y, batch_size = nil, &batch_proc)
 学習結果をもとに認識率を返します。
 ### arguments
-* SFloat x  
+* Numo::SFloat x  
 テスト用入力データ。
-* SFloat y  
+* Numo::SFloat y  
 テスト用出力データ。
 * batch_size  
 ミニバッチの数。学習を行っていないモデルのテストを行いたい場合等に使用します。
@@ -155,20 +155,20 @@ Float
 モデルを使用して、結果の推論を行います。
 入力データは、バッチデータである必要があります。
 ### arguments
-* SFloat x  
+* Numo::SFloat x  
 推論用入力データ。
 ### return
-SFloat
+Numo::SFloat
 推論結果を返します。
 
 ## def predict1(x)
 モデルを使用して、結果の推論を行います。
 predictとは異なり、一つの入力データに対して、一つの出力データを返します。
 ### arguments
-* SFloat x  
+* Numo::SFloat x  
 推論用入力データ。
 ### return
-SFloat
+Numo::SFloat
 推論結果を返します。
 
 
@@ -200,19 +200,19 @@ bool
 ## abstruct def forward(x)  
 順方向伝搬を行うメソッドです。Layerクラスを継承するクラスは、このメソッドを実装する必要があります。
 ### arguments
-* SFloat x  
+* Numo::SFloat x  
 入力データ。
 ### return
-SFloat  
+Numo::SFloat  
 出力データ。
 
 ## abstruct def backward(dout)
 逆方向伝搬を行うメソッドです。Layerクラスを継承するクラスは、このメソッドを実装する必要があります。
 ### arguments
-* SFloat dout  
+* Numo::SFloat dout  
 逆方向から伝搬してきた微分値。
 ### return
-SFloat  
+Numo::SFloat  
 逆方向に伝搬する微分値。
 
 ## def shape
@@ -458,7 +458,7 @@ N次元のデータを平坦化します。
 ## abstruct def backward(y)
 出力層の活性化関数と損失関数を合わせたものを微分した導関数を用いて、教師データの出力データを逆方向に伝搬します。
 ### arguments
-SFloat y
+Numo::SFloat y
 出力データ。
 ### return
 出力層の活性化関数と損失関数の微分値。
@@ -466,7 +466,7 @@ SFloat y
 ## abstruct def loss
 損失関数の値を取得します。
 ### arguments
-SFloat y  
+Numo::SFloat y  
 出力データ。
 ### return
 損失関数の値。
@@ -575,7 +575,7 @@ Float alpha
 更新対象のパラメータを持つレイヤーを指定します。
 * Symbol param_key  
 更新す対象のパラメータの名前を指定します。
-* SFloat param  
+* Numo::SFloat param  
 更新するパラメータです。
 
 
@@ -731,9 +731,9 @@ Float beta2
 ## def self.get_minibatch(x, y, batch_size)
 batch_size分のミニバッチを取得します。
 ### arguments
-* SFloat x  
+* Numo::SFloat x  
   教師データの入力データ。
-* SFloat y  
+* Numo::SFloat y  
   教師データの出力データ。
 * Integer batch_size  
   ミニバッチのサイズ。
@@ -744,7 +744,7 @@ Array
 ## def self.to_categorical(y, num_classes, type = nil)
 ラベルをnum_classesのベクトルにカテゴライズします。
 ### arguments
-* SFloat y  
+* Numo::SFloat y  
   教師データの出力データ。
 *  Integer num_classes  
   カテゴライズするクラス数。

data/LIB-API-Reference.ja.md

@@ -1,6 +1,6 @@
 # LIB-APIリファレンス
 ruby-dnnの付属ライブラリのリファレンスです。  
-最終更新バージョン:0.4.0
+最終更新バージョン:0.5.10
 
 
 # dnn/lib/mnist
@@ -20,9 +20,9 @@ MNISTを扱うモジュールです。
 Array  
 [イメージデータ, ラベルデータ]の形式で取得します。
 * イメージデータ
-  UInt8の[60000, 28, 28]の形式
+  Numo::UInt8の[60000, 28, 28]の形式
 * テストデータ
-  UInt8の[60000]の形式
+  Numo::UInt8の[60000]の形式
 
 ## def self.load_test
 テスト用データを取得します。
@@ -32,9 +32,9 @@ Array
 Array  
 [イメージデータ, ラベルデータ]の形式で取得します。
 * イメージデータ
-  UInt8の[10000, 28, 28]の形式
+  Numo::UInt8の[10000, 28, 28]の形式
 * テストデータ
-  UInt8の[10000]の形式
+  Numo::UInt8の[10000]の形式
 
 
 # dnn/lib/cifar10
@@ -54,9 +54,9 @@ CIFAR-10を扱うモジュールです。
 Array  
 [イメージデータ, ラベルデータ]の形式で取得します。
 * イメージデータ
-  UInt8の[50000, 3, 32, 32]の形式
+  Numo::UInt8の[50000, 3, 32, 32]の形式
 * テストデータ
-  UInt8の[50000]の形式
+  Numo::UInt8の[50000]の形式
 
 ## def self.load_test
 テスト用データを取得します。
@@ -66,9 +66,9 @@ Array
 Array  
 [イメージデータ, ラベルデータ]の形式で取得します。
 * イメージデータ
-  UInt8の[10000, 32, 32, 3]の形式
+  Numo::UInt8の[10000, 32, 32, 3]の形式
 * テストデータ
-  UInt8の[10000]の形式
+  Numo::UInt8の[10000]の形式
 
 
 # dnn/lib/image_io
@@ -78,20 +78,20 @@ Array
 # module ImageIO
 
 ## def self.read(file_name)
-画像をUInt8形式で読み込みます。
+画像をNumo::UInt8形式で読み込みます。
 ### arguments
 * String file_name  
 読み込む画像のファイル名。
 ### return
-UInt8  
-[height, width, rgb]のUInt8配列。
+Numo::UInt8  
+[height, width, rgb]のNumo::UInt8配列。
 
 ## def self.write(file_name, img, quality: 100)
-UInt8形式の画像を書き込みます。
+Numo::UInt8形式の画像を書き込みます。
 ### arguments
 * String file_name  
 書き込む画像のファイル名。
-* UInt8 img
-[height, width, rgb]のUInt8配列。
+* Numo::UInt8 img
+[height, width, rgb]のNumo::UInt8配列。
 * Integer quality: 100
 画像をJPEGで書き込む場合のクオリティ。

data/examples/cifar10_example.rb

@@ -2,7 +2,6 @@ require "dnn"
 require "dnn/lib/cifar10"
 #require "numo/linalg/autoloader"
 
-include Numo
 include DNN::Layers
 include DNN::Activations
 include DNN::Optimizers
@@ -12,8 +11,8 @@ CIFAR10 = DNN::CIFAR10
 x_train, y_train = CIFAR10.load_train
 x_test, y_test = CIFAR10.load_test
 
-x_train = SFloat.cast(x_train)
-x_test = SFloat.cast(x_test)
+x_train = Numo::SFloat.cast(x_train)
+x_test = Numo::SFloat.cast(x_test)
 
 x_train /= 255
 x_test /= 255

data/examples/mnist_example.rb

@@ -2,7 +2,6 @@ require "dnn"
 require "dnn/lib/mnist"
 #require "numo/linalg/autoloader"
 
-include Numo
 include DNN::Layers
 include DNN::Activations
 include DNN::Optimizers
@@ -12,8 +11,8 @@ MNIST = DNN::MNIST
 x_train, y_train = MNIST.load_train
 x_test, y_test = MNIST.load_test
 
-x_train = SFloat.cast(x_train).reshape(x_train.shape[0], 784)
-x_test = SFloat.cast(x_test).reshape(x_test.shape[0], 784)
+x_train = Numo::SFloat.cast(x_train).reshape(x_train.shape[0], 784)
+x_test = Numo::SFloat.cast(x_test).reshape(x_test.shape[0], 784)
 
 x_train /= 255
 x_test /= 255

data/examples/mnist_example2.rb

@@ -12,8 +12,8 @@ MNIST = DNN::MNIST
 x_train, y_train = MNIST.load_train
 x_test, y_test = MNIST.load_test
 
-x_train = SFloat.cast(x_train).reshape(x_train.shape[0], 28, 28, 1)
-x_test = SFloat.cast(x_test).reshape(x_test.shape[0], 28, 28, 1)
+x_train = Numo::SFloat.cast(x_train).reshape(x_train.shape[0], 28, 28, 1)
+x_test = Numo::SFloat.cast(x_test).reshape(x_test.shape[0], 28, 28, 1)
 
 x_train /= 255
 x_test /= 255

data/examples/xor_example.rb

@@ -6,8 +6,8 @@ include DNN::Activations
 include DNN::Optimizers
 Model = DNN::Model
 
-x = SFloat[[0, 0], [1, 0], [0, 1], [1, 1]]
-y = SFloat[[0], [1], [1], [0]]
+x = Numo::SFloat[[0, 0], [1, 0], [0, 1], [1, 1]]
+y = Numo::SFloat[[0], [1], [1], [0]]
 
 model = Model.new
 

data/lib/dnn/core/activations.rb

@@ -4,7 +4,7 @@ module DNN
 
     class Sigmoid < Layer
       def forward(x)
-        @out = 1 / (1 + NMath.exp(-x))
+        @out = 1 / (1 + Xumo::NMath.exp(-x))
       end
     
       def backward(dout)
@@ -14,15 +14,13 @@ module DNN
 
 
     class Tanh < Layer
-      include Xumo
-
       def forward(x)
         @x = x
-        NMath.tanh(x)
+        Xumo::NMath.tanh(x)
       end
       
       def backward(dout)
-        dout * (1.0 / NMath.cosh(@x)**2)
+        dout * (1.0 / Xumo::NMath.cosh(@x)**2)
       end
     end
     
@@ -43,8 +41,6 @@ module DNN
 
 
     class LeakyReLU < Layer
-      include Xumo
-
       attr_reader :alpha
 
       def initialize(alpha = 0.3)
@@ -57,7 +53,7 @@ module DNN
 
       def forward(x)
         @x = x.clone
-        a = SFloat.ones(x.shape)
+        a = Xumo::SFloat.ones(x.shape)
         a[x <= 0] = @alpha
         x * a
       end
@@ -144,7 +140,7 @@ module DNN
     
     class SoftmaxWithLoss < Layers::OutputLayer
       def forward(x)
-        @out = NMath.exp(x) / NMath.exp(x).sum(1).reshape(x.shape[0], 1)
+        @out = Xumo::NMath.exp(x) / Xumo::NMath.exp(x).sum(1).reshape(x.shape[0], 1)
       end
     
       def backward(y)
@@ -153,14 +149,12 @@ module DNN
     
       def loss(y)
         batch_size = y.shape[0]
-        -(y * NMath.log(@out + 1e-7)).sum / batch_size + ridge
+        -(y * Xumo::NMath.log(@out + 1e-7)).sum / batch_size + ridge
       end
     end
 
 
     class SigmoidWithLoss < Layers::OutputLayer
-      include Xumo
-
       def initialize
         @sigmoid = Sigmoid.new
       end
@@ -175,7 +169,7 @@ module DNN
 
       def loss(y)
         batch_size = y.shape[0]
-        -(y * NMath.log(@out + 1e-7) + (1 - y) * NMath.log(1 - @out + 1e-7)).sum / batch_size + ridge
+        -(y * Xumo::NMath.log(@out + 1e-7) + (1 - y) * Xumo::NMath.log(1 - @out + 1e-7)).sum / batch_size + ridge
       end
     end
 

data/lib/dnn/core/cnn_layers.rb

@@ -7,7 +7,7 @@ module DNN
       def im2col(img, out_h, out_w, fil_h, fil_w, strides)
         bsize = img.shape[0]
         ch = img.shape[3]
-        col = SFloat.zeros(bsize, ch, fil_h, fil_w, out_h, out_w)
+        col = Xumo::SFloat.zeros(bsize, ch, fil_h, fil_w, out_h, out_w)
         img = img.transpose(0, 3, 1, 2)
         (0...fil_h).each do |i|
           i_range = (i...(i + strides[0] * out_h)).step(strides[0]).to_a
@@ -22,7 +22,7 @@ module DNN
       def col2im(col, img_shape, out_h, out_w, fil_h, fil_w, strides)
         bsize, img_h, img_w, ch = img_shape
         col = col.reshape(bsize, out_h, out_w, fil_h, fil_w, ch).transpose(0, 5, 3, 4, 1, 2)
-        img = SFloat.zeros(bsize, ch, img_h, img_w)
+        img = Xumo::SFloat.zeros(bsize, ch, img_h, img_w)
         (0...fil_h).each do |i|
           i_range = (i...(i + strides[0] * out_h)).step(strides[0]).to_a
           (0...fil_w).each do |j|
@@ -35,7 +35,7 @@ module DNN
 
       def padding(img, pad)
         bsize, img_h, img_w, ch = img.shape
-        img2 = SFloat.zeros(bsize, img_h + pad[0], img_w + pad[1], ch)
+        img2 = Xumo::SFloat.zeros(bsize, img_h + pad[0], img_w + pad[1], ch)
         i_begin = pad[0] / 2
         i_end = i_begin + img_h
         j_begin = pad[1] / 2
@@ -152,8 +152,8 @@ module DNN
     
       def init_params
         num_prev_filter = prev_layer.shape[2]
-        @params[:weight] = SFloat.new(num_prev_filter * @filter_size.reduce(:*), @num_filters)
-        @params[:bias] = SFloat.new(@num_filters)
+        @params[:weight] = Xumo::SFloat.new(num_prev_filter * @filter_size.reduce(:*), @num_filters)
+        @params[:bias] = Xumo::SFloat.new(@num_filters)
         @weight_initializer.init_param(self, :weight)
         @bias_initializer.init_param(self, :bias)
       end
@@ -230,7 +230,7 @@ module DNN
       end
 
       def backward(dout)
-        dmax = SFloat.zeros(dout.size * @pool_size.reduce(:*))
+        dmax = Xumo::SFloat.zeros(dout.size * @pool_size.reduce(:*))
         dmax[@max_index] = dout.flatten
         dcol = dmax.reshape(dout.shape[0..2].reduce(:*), dout.shape[3] * @pool_size.reduce(:*))
         super(dcol)
@@ -251,7 +251,7 @@ module DNN
       def backward(dout)
         row_length = @pool_size.reduce(:*)
         dout /= row_length
-        davg = SFloat.zeros(dout.size, row_length)
+        davg = Xumo::SFloat.zeros(dout.size, row_length)
         row_length.times do |i|
           davg[true, i] = dout.flatten
         end
@@ -286,7 +286,7 @@ module DNN
       def forward(x)
         @x_shape = x.shape
         unpool_h, unpool_w = @unpool_size
-        x2 = SFloat.zeros(x.shape[0], x.shape[1], unpool_h, x.shape[2], unpool_w, @num_channel)
+        x2 = Xumo::SFloat.zeros(x.shape[0], x.shape[1], unpool_h, x.shape[2], unpool_w, @num_channel)
         x2[true, true, 0, true, 0, true] = x
         x2.reshape(x.shape[0], *@out_size, x.shape[3])
       end

data/lib/dnn/core/layers.rb

@@ -3,8 +3,6 @@ module DNN
 
     # Super class of all optimizer classes.
     class Layer
-      include Xumo
-
       def initialize
         @built = false
       end
@@ -161,8 +159,8 @@ module DNN
     
       def init_params
         num_prev_nodes = prev_layer.shape[0]
-        @params[:weight] = SFloat.new(num_prev_nodes, @num_nodes)
-        @params[:bias] = SFloat.new(@num_nodes)
+        @params[:weight] = Xumo::SFloat.new(num_prev_nodes, @num_nodes)
+        @params[:bias] = Xumo::SFloat.new(@num_nodes)
         @weight_initializer.init_param(self, :weight)
         @bias_initializer.init_param(self, :bias)
       end
@@ -238,7 +236,7 @@ module DNN
     
       def forward(x)
         if @model.training?
-          @mask = SFloat.ones(*x.shape).rand < @dropout_ratio
+          @mask = Xumo::SFloat.ones(*x.shape).rand < @dropout_ratio
           x[@mask] = 0
         else
           x *= (1 - @dropout_ratio)
@@ -261,8 +259,8 @@ module DNN
       attr_reader :momentum
 
       def self.load_hash(hash)
-        running_mean = SFloat.cast(hash[:running_mean])
-        running_var = SFloat.cast(hash[:running_var])
+        running_mean = Xumo::SFloat.cast(hash[:running_mean])
+        running_var = Xumo::SFloat.cast(hash[:running_var])
         self.new(momentum: hash[:momentum], running_mean: running_mean, running_var: running_var)
       end
 
@@ -275,8 +273,8 @@ module DNN
 
       def build(model)
         super
-        @running_mean ||= SFloat.zeros(*shape)
-        @running_var ||= SFloat.zeros(*shape)
+        @running_mean ||= Xumo::SFloat.zeros(*shape)
+        @running_var ||= Xumo::SFloat.zeros(*shape)
       end
 
       def forward(x)
@@ -284,14 +282,14 @@ module DNN
           mean = x.mean(0)
           @xc = x - mean
           var = (@xc**2).mean(0)
-          @std = NMath.sqrt(var + 1e-7)
+          @std = Xumo::NMath.sqrt(var + 1e-7)
           xn = @xc / @std
           @xn = xn
           @running_mean = @momentum * @running_mean + (1 - @momentum) * mean
           @running_var = @momentum * @running_var + (1 - @momentum) * var
         else
           xc = x - @running_mean
-          xn = xc / NMath.sqrt(@running_var + 1e-7)
+          xn = xc / Xumo::NMath.sqrt(@running_var + 1e-7)
         end
         @params[:gamma] * xn + @params[:beta]
       end
@@ -318,8 +316,8 @@ module DNN
       private
     
       def init_params
-        @params[:gamma] = SFloat.ones(*shape)
-        @params[:beta] = SFloat.zeros(*shape)
+        @params[:gamma] = Xumo::SFloat.ones(*shape)
+        @params[:beta] = Xumo::SFloat.zeros(*shape)
       end
     end
   end

data/lib/dnn/core/model.rb

@@ -3,8 +3,6 @@ require "json"
 module DNN
   # This class deals with the model of the network.
   class Model
-    include Xumo
-    
     attr_accessor :layers
     attr_reader :optimizer
     attr_reader :batch_size
@@ -36,7 +34,7 @@ module DNN
         next unless layer.is_a?(HasParamLayer)
         hash_params = has_param_layers_params[has_param_layers_index]
         hash_params.each do |key, param|
-          layer.params[key] = SFloat.cast(param)
+          layer.params[key] = Xumo::SFloat.cast(param)
         end
         has_param_layers_index += 1
       end
@@ -160,8 +158,8 @@ module DNN
       end
       correct = 0
       (x.shape[0].to_f / @batch_size).ceil.times do |i|
-        x_batch = SFloat.zeros(@batch_size, *x.shape[1..-1])
-        y_batch = SFloat.zeros(@batch_size, *y.shape[1..-1])
+        x_batch = Xumo::SFloat.zeros(@batch_size, *x.shape[1..-1])
+        y_batch = Xumo::SFloat.zeros(@batch_size, *y.shape[1..-1])
         @batch_size.times do |j|
           k = i * @batch_size + j
           break if k >= x.shape[0]
@@ -186,7 +184,7 @@ module DNN
     end
 
     def predict1(x)
-      predict(SFloat.cast([x]))[0, false]
+      predict(Xumo::SFloat.cast([x]))[0, false]
     end
   
     def forward(x, training)

data/lib/dnn/core/optimizers.rb

@@ -88,7 +88,7 @@ module DNN
         layer.params.each_key do |key|
           @g[layer][key] ||= 0
           @g[layer][key] += layer.grads[key]**2
-          layer.params[key] -= (@learning_rate / NMath.sqrt(@g[layer][key] + 1e-7)) * layer.grads[key]
+          layer.params[key] -= (@learning_rate / Xumo::NMath.sqrt(@g[layer][key] + 1e-7)) * layer.grads[key]
         end
       end
     end
@@ -112,7 +112,7 @@ module DNN
         layer.params.each_key do |key|
           @g[layer][key] ||= 0
           @g[layer][key] = @muse * @g[layer][key] + (1 - @muse) * layer.grads[key]**2
-          layer.params[key] -= (@learning_rate / NMath.sqrt(@g[layer][key] + 1e-7)) * layer.grads[key]
+          layer.params[key] -= (@learning_rate / Xumo::NMath.sqrt(@g[layer][key] + 1e-7)) * layer.grads[key]
         end
       end
 
@@ -123,8 +123,6 @@ module DNN
 
 
     class Adam < Optimizer
-      include Xumo
-      
       attr_accessor :beta1
       attr_accessor :beta2
 
@@ -151,7 +149,7 @@ module DNN
           @v[layer][key] ||= 0
           @m[layer][key] += (1 - @beta1) * (layer.grads[key] - @m[layer][key])
           @v[layer][key] += (1 - @beta2) * (layer.grads[key]**2 - @v[layer][key])
-          layer.params[key] -= lr * @m[layer][key] / NMath.sqrt(@v[layer][key] + 1e-7)
+          layer.params[key] -= lr * @m[layer][key] / Xumo::NMath.sqrt(@v[layer][key] + 1e-7)
         end
       end
 

data/lib/dnn/core/rnn_layers.rb

@@ -63,8 +63,8 @@ module DNN
 
       def forward(xs)
         @xs_shape = xs.shape
-        hs = SFloat.zeros(xs.shape[0], *shape)
-        h = (@stateful && @h) ? @h : SFloat.zeros(xs.shape[0], @num_nodes)
+        hs = Xumo::SFloat.zeros(xs.shape[0], *shape)
+        h = (@stateful && @h) ? @h : Xumo::SFloat.zeros(xs.shape[0], @num_nodes)
         xs.shape[1].times do |t|
           x = xs[true, t, false]
           h = @layers[t].forward(x, h)
@@ -75,10 +75,10 @@ module DNN
       end
 
       def backward(dh2s)
-        @grads[:weight] = SFloat.zeros(*@params[:weight].shape)
-        @grads[:weight2] = SFloat.zeros(*@params[:weight2].shape)
-        @grads[:bias] = SFloat.zeros(*@params[:bias].shape)
-        dxs = SFloat.zeros(@xs_shape)
+        @grads[:weight] = Xumo::SFloat.zeros(*@params[:weight].shape)
+        @grads[:weight2] = Xumo::SFloat.zeros(*@params[:weight2].shape)
+        @grads[:bias] = Xumo::SFloat.zeros(*@params[:bias].shape)
+        dxs = Xumo::SFloat.zeros(@xs_shape)
         dh = 0
         (0...dh2s.shape[1]).to_a.reverse.each do |t|
           dh2 = dh2s[true, t, false]
@@ -114,9 +114,9 @@ module DNN
       def init_params
         @time_length = prev_layer.shape[0] 
         num_prev_nodes = prev_layer.shape[1]
-        @params[:weight] = SFloat.new(num_prev_nodes, @num_nodes)
-        @params[:weight2] = SFloat.new(@num_nodes, @num_nodes)
-        @params[:bias] = SFloat.new(@num_nodes)
+        @params[:weight] = Xumo::SFloat.new(num_prev_nodes, @num_nodes)
+        @params[:weight2] = Xumo::SFloat.new(@num_nodes, @num_nodes)
+        @params[:bias] = Xumo::SFloat.new(@num_nodes)
         @weight_initializer.init_param(self, :weight)
         @weight_initializer.init_param(self, :weight2)
         @bias_initializer.init_param(self, :bias)
@@ -167,7 +167,7 @@ module DNN
         dg = @g_tanh.backward(dcell2_tmp * @in)
         dforget = @forget_sigmoid.backward(dcell2_tmp * @cell)
 
-        da = SFloat.hstack([dforget, dg, din, dout])
+        da = Xumo::SFloat.hstack([dforget, dg, din, dout])
 
         @grads[:weight] += @x.transpose.dot(da)
         @grads[:weight2] += @h.transpose.dot(da)
@@ -215,15 +215,15 @@ module DNN
 
       def forward(xs)
         @xs_shape = xs.shape
-        hs = SFloat.zeros(xs.shape[0], *shape)
+        hs = Xumo::SFloat.zeros(xs.shape[0], *shape)
         h = nil
         cell = nil
         if @stateful
           h = @h if @h
           cell = @cell if @cell
         end
-        h ||= SFloat.zeros(xs.shape[0], @num_nodes)
-        cell ||= SFloat.zeros(xs.shape[0], @num_nodes)
+        h ||= Xumo::SFloat.zeros(xs.shape[0], @num_nodes)
+        cell ||= Xumo::SFloat.zeros(xs.shape[0], @num_nodes)
         xs.shape[1].times do |t|
           x = xs[true, t, false]
           h, cell = @layers[t].forward(x, h, cell)
@@ -235,10 +235,10 @@ module DNN
       end
 
       def backward(dh2s)
-        @grads[:weight] = SFloat.zeros(*@params[:weight].shape)
-        @grads[:weight2] = SFloat.zeros(*@params[:weight2].shape)
-        @grads[:bias] = SFloat.zeros(*@params[:bias].shape)
-        dxs = SFloat.zeros(@xs_shape)
+        @grads[:weight] = Xumo::SFloat.zeros(*@params[:weight].shape)
+        @grads[:weight2] = Xumo::SFloat.zeros(*@params[:weight2].shape)
+        @grads[:bias] = Xumo::SFloat.zeros(*@params[:bias].shape)
+        dxs = Xumo::SFloat.zeros(@xs_shape)
         dh = 0
         dcell = 0
         (0...dh2s.shape[1]).to_a.reverse.each do |t|
@@ -274,9 +274,9 @@ module DNN
       def init_params
         @time_length = prev_layer.shape[0] 
         num_prev_nodes = prev_layer.shape[1]
-        @params[:weight] = SFloat.new(num_prev_nodes, @num_nodes * 4)
-        @params[:weight2] = SFloat.new(@num_nodes, @num_nodes * 4)
-        @params[:bias] = SFloat.new(@num_nodes * 4)
+        @params[:weight] = Xumo::SFloat.new(num_prev_nodes, @num_nodes * 4)
+        @params[:weight2] = Xumo::SFloat.new(@num_nodes, @num_nodes * 4)
+        @params[:bias] = Xumo::SFloat.new(@num_nodes * 4)
         @weight_initializer.init_param(self, :weight)
         @weight_initializer.init_param(self, :weight2)
         @bias_initializer.init_param(self, :bias)

data/lib/dnn/version.rb

@@ -1,3 +1,3 @@
 module DNN
-  VERSION = "0.5.9"
+  VERSION = "0.5.10"
 end

metadata

@@ -1,14 +1,14 @@
 --- !ruby/object:Gem::Specification
 name: ruby-dnn
 version: !ruby/object:Gem::Version
-  version: 0.5.9
+  version: 0.5.10
 platform: ruby
 authors:
 - unagiootoro
 autorequire: 
 bindir: exe
 cert_chain: []
-date: 2018-08-11 00:00:00.000000000 Z
+date: 2018-08-12 00:00:00.000000000 Z
 dependencies:
 - !ruby/object:Gem::Dependency
   name: numo-narray