モデル作成・学習

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 #

  1. “MLP” カードを配置します。
  2. “MLP” カードを開きます。
  3. 初期に用意されているレイヤ構成を削除します。 (右上の"×"ボタン)

モデルレイヤの構成 #

  1. “カスタマイズ"タブを選択します。
  2. 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 #

  1. “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
  1. “実行” ボタンを押します。
  2. 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

  1. 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。
  1. 学習カードを開きます。
  1. “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。
  2. “実行” ボタンを押します。(学習曲線の描画が始まります)
  3. 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。