2月

{
    "image_dim_ordering": "tf",
    "floatx": "float32",
    "epsilon": 1e-07,
    "backend": "theano"
}
    • 2/21 最低限動くことを確認
    • 2/21 No module named 'h5py'
      • pip install h5py
    • http://machinelearningmastery.com/text-generation-lstm-recurrent-neural-networks-python-keras/ 動かす
      • 2/21 学習させる
      • predict
    • 2/22 日本語でやってみる
      • 全部のののになる
      • 英語のアリスを削って predict させると eeee になるからこれは。
      • 2/23学習データが少ないからかも。まずは学習データを同程度のサイズにしてみよう
      • 上がだめなら state の数も増やす。
      • 2/23 うまく行った。大きいモデルで試してみる。
      • 2/23 コミット
  • Keras で足し算の件を学習させる
    • 2/23 ファイル作る
    • 2/23 raining data つくる
    • dimension print
    • 2/23 train 動いた
    • 2/24 prediction おかしいので debug
      • 2/24 activation の種類と絵をまとめて Evernote にまとめる
      • 2/24 loss function をまとめて Evernote にまとめる
      • 2/24 optimizer をまとめる
      • 2/24 今回の問題に対する絵を書いて activation, loss, optimizer を決める。でもうごかない。
      • 2/25 試行錯誤してみる
    • 2/25 試行錯誤のために以下の変更を入れた
      • パラメータの自動保存
      • predict 時に保存されているベストを利用する
    • オリジナルのスクリプトを見直す
    • 2/25 dropout 指定が原因だった。動いた! http://d.hatena.ne.jp/higepon/20170225/1488006736
    • ここに細かいステップ
  • 視覚化 : http://www.mathgram.xyz/entry/keras/graph
  • 2/26 Keras sin カーブ推定を動かす
  • Keras sin カーブ理解する
    • データ範囲
    • 何をどこから推定しているか
  • 2/27 おりじなるscript を sin 推定と比較中 pandas
    • loss が大きな値になって気づいたけど。0-1に収まるように処理しないと
    • parameter save
    • 可視化
    • 2/27

    • up/down の勝率を計算する方法を考える
      • jupyter install
      • local csv
      • 2/27 notebook で loss けいさんして
      • 2/28 loss 計算したら 0.5 だった
      • 2/28 グラフに fit しているが上がる下がるの精度は良くないようだ。
  • 上がる下がるの binary categorization で実装してみよう