[PYTHON] Einvariable Funktionsnäherung mit vierschichtigem DNN

Überblick

Um Chainers Optimizer zu verstehen, habe ich ein Programm zur Approximation von Funktionen mit einer Variablen und 4-Schicht-DNN geschrieben, das sich auf [this] bezieht (http://qiita.com/hikobotch/items/018808ef795061176824). Aus irgendeinem Grund führte dieses Programm keine Vorwärtsberechnung mit der Funktion call durch, die Chain geerbt hat. Daher habe ich beschlossen, das Problem zu beheben. Das von mir reparierte Programm wurde auf meinem [github] platziert (https://github.com/hamko/sample/blob/master/chainer/sin.py). Ich habe versucht, sin, exp, sqrt, abs, sqrt (abs (sin (exp (x))).

Ergebnis

exp Gute Stimmung. DALP1ntVoAAs5fb.jpg sin Es gibt einen Ort, der verschwommen ist. DALP2fQVYAAwK2x.jpg sqrt Gute Stimmung. DALP3N4VoAAHNdd.jpg abs Es fühlt sich wider Erwarten gut an. DALQFWsUAAAtzuW.jpg sqrt(abs(sin(exp(x))) Ich fühle mich motiviert. DALSLzHV0AQOL3L.jpg

Was ich dachte

Die Entwicklungsumgebung ist furchtbar schwierig zu erstellen (aufgrund des Python-Verpackungssystems). Nicht nur beim ersten Mal, es ist auch schwierig, jedes Mal zu starten.

Recommended Posts

Einvariable Funktionsnäherung mit vierschichtigem DNN
Versuchen Sie die Funktionsoptimierung mit Optuna
Implementieren Sie die Anmeldefunktion mit django-allauth
Ungefähre Sinusfunktion mit TensorFlow
Zura mit Softmax-Funktion implementiert