SONY NNC:01_logistic_regression.sdcproj

01_logistic_regression.sdcproj: ロジスティック回帰を用いて、数字の4と9を判別させる。

datasetについて、Trainingは「small_mnist_4or9_training.csv」、Validationは「small_mnist_4or9_test.csv」を用いた。

 

  

Input (IO Layer)

 

Size: 画像入力の場合、「色数、高さ、幅」のフォーマットで表されるので、この場合モノクロで、28×28の画像サイズの入力を示す。

Dataset: データが入っている変数(x)。この場合、datasetで見るとx:imageのところに画像が入っていることが分かる。

Affine (Basic Layer)

 

Affine変換を用いた全結合層

人工ニューロンは
y=f(Σwx+b)と表現されるが、この（）内がAffineであり、fの部分が活性化関数となる。

なので、おおまかな流れとしては判別対象が２つの場合は「Affine」「sigmoid」「binary cross entropy」となり、最終的な識別対象が２個以上の場合は「Affine」「softmax」「multicategory cross entropy」となる。

 

Sigmoid(Activation Layer)

 

 Sigmoid関数によるアウトプット。Affine変換を使って28×28の行列は内積計算しているので、Inputは1つ、Output1つの活性化関数となる。

 BinaryCrossEntropy (Loss layer)

 

 Input:1(値は0～1の間を取り、0に近いと数字4の確率が上がり、1に近いと数字9の確率が上がる。)

T.Dataset: データセットに含まれる変数のうち、このレイヤーの出力として期待する変数の変数名を指定します。

T.Generator:データセットの変わりに用いるGeneratorを指定。この場合、Noneなのでデータ生成を行わない。

T.GeneratorMultiplier：Generatorにより生成した値に対して掛ける係数を指定する。この場合、1となっている。（0に設定しても計算できていた。）