モデル作成 #
AIを学習するためのニューラルネットワークのモデルを作成します。
詳細は
AIモデルを開発するの章をご覧ください。
MLPカードの配置 #
- “MLP” カードを配置します。
- “MLP” カードを開きます。
- 初期に用意されているレイヤ構成を削除します。 (右上の"דボタン)
モデルレイヤの構成 #
- “カスタマイズ"タブを選択します。
- 以下の順番にレイヤをドラッグ&ドロップし配置し、設定値を入力します。
アーキテクチャ（モデルの設計）
- Input
- Dense(ノード数: 512)
- Activation(ReLU)
- Dense(ノード数: 128)
- Activation(ReLU)
- Dense(ノード数: 32)
- Activation(ReLU)
- Output(回帰)
Dense レイヤと Activation レイヤがセットになったレイヤも用意されていますが、このチュートリアルでは Dense レイヤ、Activation レイヤ単体のものを使用します。
詳細はこちら
アーキテクチャ(モデルの設計)の意味ですが、中間層 3 層の MLP を示しています。 ここで着目するのは
- 一層目のノード数
- ノード数が徐々に減少していること
です。 今回の入力サイズはセンサー数が 18、時間幅が 30 なので入力のサイズは 18×30 で 560 となります。 したがって、560 から最終層の出力 1 に向かって徐々に小さくなる様に設定しています。
モデルの追加設定 #
- “設定” パネルのパラメータを以下の通りに設定します。
パラメータ
- 自動探索アルゴリズム: 使用しない
- 学習率: 0.01
- バッチサイズ: 512
- エポック数: 100
- 学習ロス: MSE
- 最適化: 手動, SGD
- “実行” ボタンを押します。
- 処理が完了するとステータスが表示されます。
詳細はこちら
パラメータの重要な点は “バッチサイズ” と “エポック数” です。 バッチサイズは 1 回の学習をどのくらいのデータ数で行うか、エポック数はバッチサイズごとの学習を全学習データに対して行うことを何回行うかの数値になります。 バッチサイズが大きくなるほど、エポック数が小さくなるほど学習時間は短くなります。
ここまでのチュートリアル内容と関連する 4.1.a. 深層学習モデルの設計(MLP)の項目を参考にして下さい。
モデルの学習 #
学習カードを配置し、学習データと MLP カードと結線します
- 学習カードを配置し、学習データ側の時間窓切り出しカードと MLP カードに結線します。
- 学習カードを開きます。
- “設定” パネルの"バリデーション"で"使用しない"を 選択します。
- “実行” ボタンを押します。(学習曲線の描画が始まります)
- 処理が完了するとステータスが表示されます。
詳細はこちら
今回はバリデーションなし（学習データを分割せずに全ての学習データで学習する方法）とします。 このチュートリアル内容と関連する 4.2. 学習も参考にして下さい。