ruby-dnn 0.5.0 → 0.5.1

checksums.yaml

@@ -1,7 +1,7 @@
 ---
 SHA256:
-  metadata.gz: 4644c4f76c548fe20e899150fbbed0d445334afa428c8119458d4c90e0bf6afc
-  data.tar.gz: c0ea6b81a390bc06925695663d01f0b235a4e6915a4d4c4e901f22c51217d43a
+  metadata.gz: '09358674bd9463c57f3329fe29fc3597e76c7f691bde08097069ca3c82b4c6e9'
+  data.tar.gz: cd26c50e67a70f339d26df1a131a88c46dc77658d32994d92e908472ccea9140
 SHA512:
-  metadata.gz: 282164d11e647a23b86a775cb563a746995cbf4dcc66e10e10ce50706c14ae91e6c6e5579e8ace064554a57e749d1ebc5f617091316e9cd11e05fdc3667e2851
-  data.tar.gz: 2fdd20a6bd776c84ce2bd6d5a49c12003ae20c64218db3b1ba504106d34d08caa55ece05253b32140dd79e2d89f68e33d12348e6c3c2efede7a1d1e1b2ce17c2
+  metadata.gz: bd189bd96810220d873a3e2ce14c0124147d2e3dd9291914984ecaa5d14b7b7e50f222372958c22739af83590d26defc38071e6c4a90570b987f46c77ad62e07
+  data.tar.gz: 5571c28f7ee17c4464b5a901f0e20aa0526894fa51364f8e0f0c6fc398ce9c0b6a3ba03385877afa924e59a7e82c0a511ce1f528f955162c93756196cc40c858

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:0.5.0
+最終更新バージョン:0.5.1
 
 # module DNN
 ruby-dnnの名前空間をなすモジュールです。
@@ -153,6 +153,17 @@ Float
 
 ## def predict(x)
 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  
+推論用入力データ。
+### return
+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  
 推論用入力データ。
@@ -489,6 +500,10 @@ Float alpha
 恒等関数と二乗誤差関数を合わせた出力層のレイヤーです。
 
 
+# class IdentityMAE < OutputLayer
+恒等関数と平均絶対誤差関数を合わせた出力層のレイヤーです。
+
+
 # class SoftmaxWithLoss < OutputLayer
 ソフトマックス関数とクロスエントロピー誤差関数を合わせた出力層のレイヤーです。
 

data/Rakefile

@@ -4,15 +4,15 @@ require "rake/testtask"
 Rake::TestTask.new(:test) do |t|
   t.libs << "test"
   t.libs << "lib"
-  t.test_files = FileList["test/**/*_test.rb"]
+  t.test_files = FileList["test/*_test.rb"]
 end
 
 task :build_dataset_loader do
-  sh "cd lib/dnn/ext/dataset_loader; ruby extconf.rb; make"
+  sh "cd lib/dnn/ext/cifar10_loader; ruby extconf.rb; make"
 end
 
 task :build_image_io do
-  sh "cd lib/dnn/ext/image_io; ruby extconf.rb; make"
+  sh "cd lib/dnn/ext/rb_stb_image; ruby extconf.rb; make"
 end
 
 task :default => [:test, :build_dataset_loader, :build_image_io]

data/lib/dnn/core/activations.rb

@@ -89,6 +89,25 @@ module DNN
         0.5 * ((@out - y)**2).sum / batch_size + ridge
       end
     end
+
+
+    class IdentityMAE < OutputLayer
+      def forward(x)
+        @out = x
+      end
+    
+      def backward(y)
+        dout = @out - y
+        dout[dout >= 0] = 1
+        dout[dout < 0] = -1
+        dout
+      end
+    
+      def loss(y)
+        batch_size = y.shape[0]
+        (@out - y).abs.sum / batch_size + ridge
+      end
+    end
     
     
     class SoftmaxWithLoss < OutputLayer

data/lib/dnn/core/model.rb

@@ -90,45 +90,6 @@ module DNN
     def training?
       @training
     end
-  
-    def train(x, y, epochs,
-              batch_size: 1,
-              test: nil,
-              verbose: true,
-              batch_proc: nil,
-              &epoch_proc)
-      @batch_size = batch_size
-      num_train_data = x.shape[0]
-      (1..epochs).each do |epoch|
-        puts "【 epoch #{epoch}/#{epochs} 】" if verbose
-        (num_train_data.to_f / @batch_size).ceil.times do |index|
-          x_batch, y_batch = Util.get_minibatch(x, y, @batch_size)
-          loss = train_on_batch(x_batch, y_batch, @batch_size, &batch_proc)
-          if loss.nan?
-            puts "\nloss is nan" if verbose
-            return
-          end
-          num_trained_data = (index + 1) * batch_size
-          num_trained_data = num_trained_data > num_train_data ? num_train_data : num_trained_data
-          log = "\r"
-          20.times do |i|
-            if i < num_trained_data * 20 / num_train_data
-              log << "■"
-            else
-              log << "・"
-            end
-          end
-          log << "  #{num_trained_data}/#{num_train_data} loss: #{loss}"
-          print log if verbose
-        end
-        if verbose && test
-          acc = accurate(test[0], test[1], batch_size,&batch_proc)
-          print "  accurate: #{acc}"
-        end
-        puts "" if verbose
-        epoch_proc.call(epoch) if epoch_proc
-      end
-    end
 
     def train(x, y, epochs,
               batch_size: 1,
@@ -175,9 +136,10 @@ module DNN
       @batch_size = batch_size
       x, y = batch_proc.call(x, y) if batch_proc
       forward(x, true)
+      loss = @layers[-1].loss(y)
       backward(y)
       @layers.each { |layer| layer.update if layer.respond_to?(:update) }
-      @layers[-1].loss(y)
+      loss
     end
   
     def accurate(x, y, batch_size = nil, &batch_proc)
@@ -210,6 +172,10 @@ module DNN
     def predict(x)
       forward(x, false)
     end
+
+    def predict1(x)
+      predict(SFloat.cast([x]))[0, false]
+    end
   
     def forward(x, training)
       @training = training

data/lib/dnn/version.rb

@@ -1,3 +1,3 @@
 module DNN
-  VERSION = "0.5.0"
+  VERSION = "0.5.1"
 end

metadata

@@ -1,14 +1,14 @@
 --- !ruby/object:Gem::Specification
 name: ruby-dnn
 version: !ruby/object:Gem::Version
-  version: 0.5.0
+  version: 0.5.1
 platform: ruby
 authors:
 - unagiootoro
 autorequire: 
 bindir: exe
 cert_chain: []
-date: 2018-07-29 00:00:00.000000000 Z
+date: 2018-07-31 00:00:00.000000000 Z
 dependencies:
 - !ruby/object:Gem::Dependency
   name: numo-narray