3

ラザニアを使用して非常に単純なニューラル ネットワークをトレーニングしようとしています。1 つの出力を持つ 1 つの高密度レイヤーで、非線形性はありません (つまり、単純な線形回帰です)。これが私のコードです：

#!/usr/bin/env python

import numpy as np
import theano
import theano.tensor as T
import lasagne
import time

def build_mlp(input_var=None):
    l_in = lasagne.layers.InputLayer(shape=(None, 36), input_var=input_var)

    l_out = lasagne.layers.DenseLayer(
        l_in,
        num_units=1)

    return l_out

if __name__ == '__main__':
    start_time = time.time()

    input_var = T.matrix('inputs')
    target_var = T.fvector('targets')
    network = build_mlp(input_var)
    prediction = lasagne.layers.get_output(network)[:, 0]
    loss = lasagne.objectives.aggregate(lasagne.objectives.squared_error(prediction, target_var), mode="sum")
    params = lasagne.layers.get_all_params(network, trainable=True)
    updates = lasagne.updates.nesterov_momentum(loss, params, learning_rate=0.01, momentum=0.01)
    train_fn = theano.function([input_var, target_var], loss, updates=updates, allow_input_downcast=True)

    features = [-0.7275278, -1.2492378, -1.1284761, -1.5771232, -1.6482532, 0.57888401,\
    -0.66000223, 0.89886779, -0.61547941, 1.2937579, -0.74761862, -1.4564357, 1.4365945,\
    -3.2745962, 1.3266684, -3.6136472, 1.5396905, -0.60452163, 1.1510054, -1.0534937,\
    1.0851847, -0.096269868, 0.15175876, -2.0422907, 1.6125549, -1.0562884, 2.9321988,\
    -1.3044566, 2.5821636, -1.2787727, 2.0813208, -0.87762129, 1.493879, -0.60782474, 0.77946049, 0.0]

    print("Network built in " + str(time.time() - start_time) + " sec")

    it_number = 1000

    start_time = time.time()
    for i in xrange(it_number):
        val = lasagne.layers.get_output(network, features).eval()[0][0]
    print("1K outputs: " + str(time.time() - start_time) + " sec")

    p = params[0].eval()

    start_time = time.time()
    for i in xrange(it_number):
        n = np.dot(features, p)
    print("1K dot products: " + str(time.time() - start_time) + " sec")

    print(val)
    print(n)

ここではまだネットワークをトレーニングしていません。ネットワークの 1K の実際の予測を取得するのにかかる時間を確認するために、1K の評価 (初期のランダムな重みを使用) を行っているだけです。1Kドット製品と比較すると、ものすごい減速です！

Network built in 8.86999106407 sec
1K outputs: 53.0574831963 sec
1K dot products: 0.00349998474121 sec
0.0
[-3.37383742]

私の質問は、なぜこのような単純なネットワークを評価するのにそんなに時間がかかるのですか?

また、予測値について混乱しています。内積がゼロ未満の場合、ネットワークは 0 を出力します。それ以外の場合、これら 2 つの値は同じです。

Network built in 8.96299982071 sec
1K outputs: 54.2732210159 sec
1K dot products: 0.00287079811096 sec
1.10120121082
[ 1.10120121]

DenseLayer がどのように機能するかについて何か不足していますか?

4

1 に答える 1