[PYTHON] Lua-Version Deep Learning von Grund auf neu Teil 5.5 [Bereitstellung von pkl-Dateien in Lua Torch]

Frühere Artikel

Lua-Version Deep Learning von Grund auf neu 1 [Implementierung von Perceptron] Lua-Version Deep Learning von Grund auf neu 2 [Aktivierungsfunktion] Lua-Version Deep Learning von Grund auf neu Teil 3 [Implementierung eines 3-Schicht-Neuronalen Netzwerks] [Lua-Version Deep Learning von Grund auf neu 4 [Implementierung der Softmax-Funktion]] (http://qiita.com/Kazuki-Nakamae/items/20e53a02a8b759583d31) Lua-Version Deep Learning von Grund auf neu Teil 5 [MNIST-Bild anzeigen]

Einführung

Dieses Mal hat es nichts mit der Hauptzeile zu tun, aber ich werde Ihnen zeigen, wie Sie die in der pkl-Datei gespeicherten Daten in Lua verfügbar machen. 　 SCHRITT 1: Konvertieren Sie die pkl-Datei in die npz-Datei

Sie können dies mit dem folgenden Skript tun.

pkl2npz.py

#!/usr/local/bin/python3
# coding: utf-8

"""
Geben Sie den Inhalt der pkl-Datei in die npz-Datei aus.
"""
__author__ = "Kazuki Nakamae <[email protected]>"
__version__ = "0.00"
__date__ = "22 Jun 2017"

import sys
import numpy as np
import pickle

def pkl2npz(infn, outfn):
    """
    @function   pkl2npz();
Geben Sie den Inhalt der pkl-Datei in die npz-Datei aus.
    @param  {string} infn :Geben Sie den Dateinamen ein
    @param  {string} outfn :Name der Ausgabedatei
    """

    with open(infn, 'rb') as f:
            ndarr = pickle.load(f)
            np.savez(outfn, W1=ndarr['W1'],W2=ndarr['W2'],W3=ndarr['W3'],b1=ndarr['b1'],b2=ndarr['b2'],b3=ndarr['b3'])

if __name__ == '__main__':
    argvs = sys.argv
    argc = len(argvs)

    if (argc != 3):   # Checking input
        print("USAGE : python3 pkl2npz.py <INPUT_PKLFILE> <OUTPUT_NPZFILE>")
        quit()

    pkl2npz(str(argvs[1]),str(argvs[2]))
quit()

pkl2npz.Führen Sie py aus

$ python3 pkl2npz.py sample_weight.pkl sample_weight.npz

Eine Einschränkung ist, dass Sie die Elemente im Voraus kennen müssen. In diesem Fall ist es eine pkl-Datei, die die Gewichte (W1, W2, W3) und Vorspannungen (b1, b2, b3) des dreischichtigen NN speichert. 　 SCHRITT 2: Lesen Sie die npz-Datei

Laden wir nun die erstellte sample_weight.npz auf Lua. Kein Stress. Die folgenden Personen haben zu diesem Zweck ein Paket (npy4th) erstellt. htwaijry/npy4th

npy4th Installation

$ git clone https://github.com/htwaijry/npy4th.git
$ cd npy4th
$ luarocks make

Es ist einfach zu bedienen und kann durch einfaches Einfügen von loadnpz ([Dateiname]) gelesen werden.

loadnpz()Wie benutzt man

npy4th = require 'npy4th'

-- read a .npz file into a table
tbl = npy4th.loadnpz('sample_weight.npz')

print(tbl["W1"])

Ausgabeergebnis

Columns 1 to 6
-7.4125e-03 -7.9044e-03 -1.3075e-02  1.8526e-02 -1.5346e-03 -8.7649e-03
-1.0297e-02 -1.6167e-02 -1.2284e-02 -1.7926e-02  3.3988e-03 -7.0708e-02
-1.3092e-02 -2.4475e-03 -1.7722e-02 -2.4240e-02 -2.2041e-02 -5.0149e-03
-1.0008e-02  1.9586e-02 -5.6170e-03  3.8307e-02 -5.2507e-02 -2.3568e-02
(Weggelassen)
 1.1210e-02  1.0272e-02
-1.2299e-02  2.4070e-02
 7.4309e-03 -4.0211e-02
[torch.FloatTensor of size 784x50]

Es wurde ordnungsgemäß in den Tensortyp konvertiert. Ich habe es diesmal nicht vorgestellt, aber Sie können npy-Dateien auf die gleiche Weise lesen. Beachten Sie jedoch, dass es keine Garantie dafür gibt, dass es in Form einer Matrix vorliegt, die unverändert verwendet werden kann. Die Form hängt von der Form auf der numpy Seite ab. Falls erforderlich, müssen Sie danach die Größe () usw. ändern. 　 abschließend

Fackel ist in Japan nicht beliebt, aber ich denke, es wäre einfacher zu verwenden, wenn numpy Ressourcen auf diese Weise verwendet werden könnten. das ist alles. Vielen Dank.