[AI Code]Réseau de neurones: perceptron multi-couche en C++

**Aszarsha** · 29/07/2008, 01h16

Voici le code d'un MLP (multilayer perceptron) a une couche cachée, avec pour non linéarités une tanh pour la couche intermédiaire et un softmax pour la sortie.
Il s'agit d'un code qui a déjà été utilisé pour un projet concret (reconnaissance de caractère numériques avec MNIST) et en tant que tel a l'avantage d'être parfaitement fonctionnel.
Je l'ai tout de même légèrement modifié pour le rendre sensiblement plus lisible et compréhensible à ceux qui ne connaissent pas le domaine, ça reste tout de même assez technique.

N'hésitez pas à me dire ce que vous ne comprenez pas et où je devrais rajouter des commentaires.

main.cpp

Code C++ :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
156
157
158
159
160
161
162
163
164
165
166
167
168
169
170
171
172
173
174
175
176
177
178
179
180
181
182
183
184
185
186
187
188
189
190
191
192
193
194
195
196
197
198
199
200
201
202
203
204
205
206
207
208
209
210
211
212
213
214
215
216
217
218
219
220
221
222
223
224
225
226
227
228
229
230
231
232
233
234
235
236
237
238
239
240
241
242
243
244
245
246
247
248
249
250
251
252
253
254
255
256
257
258
259
260
261
262
263
264
265
266
267
268
269
270
271
272
273
274
275
276
277
278
279
280
281
282
283
284
285
286
287
288
289
290
291
292
293
294
295
296
297
298
299
300
301
302
303
304
305
306
307
308
309
310
311
312
313
314
315
316
317
318
319
320
321
322
323
324
325
326
327
328
329
330
331
332
333
334
335
336
337
338
339
340
341
342
343
344
345
346
347
348
349
350
351
352
353
354
355
356
357
358
359
360
361
362
363
364
365
366
367
368
369
370
371
#include <cmath>
#include <ctime>
#include <cassert>
#include <fstream>
#include <iostream>
#include <algorithm>
 
#include <boost/array.hpp>
#include <boost/random.hpp>
#include <boost/cstdlib.hpp>
#include <boost/tuple/tuple.hpp>
#include <boost/numeric/ublas/io.hpp>
#include <boost/numeric/ublas/vector.hpp>
#include <boost/numeric/ublas/matrix.hpp>
using namespace std;
using namespace boost;
using namespace boost::numeric;
 
 
const double       learning_rate = 0.1;  // define learning rate
const double       lambda        = 0.0;  // define lambda for weight decay
const unsigned int mnbatch_sz    = 1250; // define size of batch
const unsigned int epoc          = -1;   // define number of epoch
const unsigned int midsz         = 200;  // define number of hiden neurons
 
 
template <typename T = double>
struct sum {
	sum(const T & init = T()) : value(init) { }
	void operator()(const T & val) {
		value += val;
	}
	T value;
};
 
struct tanh_nl {
	template <typename T>
	T operator()(const T & vec) {
		T res(vec.size());
		for (size_t i = 0, e = vec.size(); i != e; ++i) {
			res(i) = tanh(vec(i));
		}
		return res;
	}
};
 
struct softmax_nl {
	template <typename T>
	T operator()(const T & vec) {
		T tmp(vec.size());
		for (size_t i = 0, e = vec.size(); i != e; ++i) {
			tmp(i) = exp(vec(i));
		}
		typename T::value_type exp_sum =
		            for_each(tmp.begin(), tmp.end(),
		                     sum<typename T::value_type>(0)).value;
		T res(vec.size());
		for (size_t i = 0, e = vec.size(); i != e; ++i) {
			res(i) = tmp(i) / exp_sum;
		}
		return res;
	}
};
 
template <int Dim, int NbClass>
class MLP_tanh_softmax
{
public:
 
	typedef ublas::vector<double>   mlp_vec;
	typedef ublas::matrix<double>   mlp_mat;
	typedef tuple<mlp_mat, mlp_mat,              // W1, W2
	              mlp_vec, mlp_vec> mlp_params;  // b1, b2
	typedef array<mlp_vec, 4>       fprop_vecs;
 
#define PARAMS_SIZE mlp_mat(midsz, Dim), mlp_mat(NbClass, midsz), \
                    mlp_vec(midsz),      mlp_vec(NbClass)
#define INIT_MATS(x) do { \
                     get<0>((x)) = ublas::zero_matrix<double>(midsz, Dim); \
                     get<1>((x)) = ublas::zero_matrix<double>(NbClass, midsz); \
                     } while(false)
#define INIT_VECS(x) do { \
                     get<2>((x)) = ublas::zero_vector<double>(midsz); \
                     get<3>((x)) = ublas::zero_vector<double>(NbClass); \
                     } while(false)
 
	MLP_tanh_softmax()
	{
		reset();
	}
 
	void reset()
	{
		params = mlp_params(PARAMS_SIZE);
 
		mt19937 rng(static_cast<boost::uint32_t>(time(0)));
 
		// Initialisation aléatoire des paramêtres de la couche cachée dans ]-1/Dim, 1/Dim[
		// Où Dim est la taille des vecteurs d'entrée
		double ini = 1.0 / sqrt(double(Dim));
		uniform_real<> dist1(-ini, ini);
		variate_generator<mt19937&, uniform_real<> > rand1(rng, dist1);
		for (mlp_mat::array_type::iterator
		            it  = get<0>(params).data().begin(),
		            end = get<0>(params).data().end();
		            it != end; ++it) {
			*it = rand1();
		}
 
		// Initialisation aléatoire des paramêtres de la couche de sortie dans ]-1/midsz, 1/midsz[
		//Où midsz est la taille de la couche cachée
		ini = 1.0 / sqrt(double(midsz));
		uniform_real<> dist2(-ini, ini);
		variate_generator<mt19937&, uniform_real<> > rand2(rng, dist2);
		for (mlp_mat::array_type::iterator
		            it  = get<1>(params).data().begin(),
		            end = get<1>(params).data().end();
		            it != end; ++it) {
			*it = rand2();
		}
 
		// Initialisation des biais à 0
		INIT_VECS(params);
	}
 
	int test(const mlp_vec & vec)
	{
		fprop_vecs tmp;
		forward_prop(vec, tmp);
		return distance(tmp[3].begin(),
		                max_element(tmp[3].begin(), tmp[3].end()));
	}
 
	int test(const vector<mlp_vec> & test_set,
	         const vector<int>     & classes,
	         size_t first, size_t size)
	{
		int res = 0;
		for (size_t i = first, e = first + size; i != e; ++i) {
			int pred = test(test_set[i]);
			if (pred == classes[i])
				++res;
		}
		return res;
	}
 
	// Entraine le réseau de neurones par mini batch jusqu'à ce que l'on trouve un minimum local
	// (supposé atteind lorsque l'entrainement stagne pour stop_count epoques)
 
	// L'ensemble de données est coupé en deux partie (chacune composés d'éléments contigues dans l'ensemble)
	// La partie d'entrainement, sur laquel sera effectuée la rétropropagation, et la partie validation 
	// avec laquel on teste les performances (et donc l'évolution itérative).
	static const unsigned stop_count = 5;	
	void train(const vector<mlp_vec> & data_set,
	           const vector<int>     & classes,
	           size_t train_sz, size_t valid_sz,
	           ostream & ostr)
	{
		bool min_found = false; //< At least local one
		double actual_min = 100.0;
		unsigned int pos = 0, count = 0, egal_count = 0;
		unsigned int i = 0;
		while (i < epoc) {
			if (pos == 0) { // One more epoc
				static double last_error = 100.0;
 
				ostr << "Iteration " << count++ << endl;
 
				int tst = 0;
				double error_percent = 0.0;
				if (valid_sz != 0) {
					tst = test(data_set, classes, 0, train_sz);
					error_percent =
					      100.0 * (train_sz - tst) / double(train_sz);
					ostr << "Erreur Entrainement : "
					     << error_percent << endl;
 
					tst = test(data_set, classes,
					           train_sz, valid_sz);
					error_percent =
						100.0 * (valid_sz - tst) / double(valid_sz);
					ostr << "Erreur Validation : "
					     << error_percent << endl;
 
					ostr << endl;
				}
 
				if (last_error == error_percent) {
					if (min_found && ++egal_count == stop_count)
						break;
				} else {
					if (error_percent <= actual_min) {
						min_found = false;
						actual_min = 100.0;
					}
					if (error_percent > last_error) {
						min_found = true;
						actual_min = last_error;
					}
					egal_count = 0;
					last_error = error_percent;
				}
			}
 
			int mnbatch_size = min(mnbatch_sz, train_sz - pos);
 
			mlp_params grad = calc_grad(data_set, classes,
			                            pos, mnbatch_size);
 
			get<0>(params) -= learning_rate * get<0>(grad);
			get<1>(params) -= learning_rate * get<1>(grad);
			get<2>(params) -= learning_rate * get<2>(grad);
			get<3>(params) -= learning_rate * get<3>(grad);
 
			if ((pos += mnbatch_size) > train_sz) {
				++i;
				pos = 0;
			}
		}
	}
 
	void dump(ostream & ostr)
	{
		ostr <<   "W1:\t" << get<0>(params)
		     << "\nW2:\t" << get<1>(params)
		     << "\nb1:\t" << get<2>(params)
		     << "\nb2:\t" << get<3>(params)
		     << endl;
	}
 
private:
 
	mlp_params calc_grad(const vector<mlp_vec> & train_set,
	                     const vector<int>     & classes,
	                     size_t first,
	                     unsigned int mnbatch_size)
	{
		mlp_params grad(PARAMS_SIZE);
		INIT_MATS(grad);   INIT_VECS(grad);
		for (unsigned int i = 0; i < mnbatch_size; ++i) {
			int index = first + i;
 
			fprop_vecs tmp;
			forward_prop(train_set[index], tmp);
 
			mlp_params tmp_grad;
			back_prop(train_set[index],
			          classes[index],
			          tmp, tmp_grad);
 
			get<0>(grad) += get<0>(tmp_grad);
			get<1>(grad) += get<1>(tmp_grad);
			get<2>(grad) += get<2>(tmp_grad);
			get<3>(grad) += get<3>(tmp_grad);
		}
 
		get<0>(grad) /= double(mnbatch_size);
		get<1>(grad) /= double(mnbatch_size);
		get<2>(grad) /= double(mnbatch_size);
		get<3>(grad) /= double(mnbatch_size);
 
		return grad;
	}
 
	void forward_prop(const mlp_vec & vec, fprop_vecs & res)
	{
		fprop_vecs ret;
 
		ret[0] = prod(get<0>(params), vec) + get<2>(params);
		ret[1] = mid_func(ret[0]);
 
		ret[2] = prod(get<1>(params), ret[1]) + get<3>(params);
		ret[3] = out_func(ret[2]);
 
#if !(defined NDEBUG)
	cout << "Input vector:\t" <<  vec   << endl;
	cout << "Middle activ:\t" << ret[0] << endl;
	cout << "Middle w/ nl:\t" << ret[1] << endl;
	cout << "Output activ:\t" << ret[2] << endl;
	cout << "Output w/ nl:\t" << ret[3] << endl;
#endif
 
		swap(ret, res);
	}
 
	void back_prop(const mlp_vec & vec, int clas,
	               const fprop_vecs & fp_vecs,
	               mlp_params & res)
	{
		mlp_params ret(PARAMS_SIZE);
 
		for (size_t i = 0, e = get<3>(ret).size(); i != e; ++i) {
			// Caca beurk, mais évite un branchement... :-)
			get<3>(ret)[i] = fp_vecs[3][i] - double(i == clas);
		}
		for (size_t i = 0, e = get<1>(ret).size1(); i != e; ++i) {
			for (size_t j = 0, f = get<1>(ret).size2(); j != f; ++j) {
				get<1>(ret)(i,j) = get<3>(ret)[i] * fp_vecs[1][j] +
				                   2 * lambda * get<1>(params)(i,j);
			}
		}
 
		mlp_vec dcdhs(fp_vecs[1].size());
		for (size_t i = 0, e = dcdhs.size(); i != e; ++i) {
			double sum = 0.0;
			for (size_t j = 0, f = get<1>(params).size1(); j != f; ++j) {
				sum += get<3>(ret)[j] * get<1>(params)(j,i);
			}
			dcdhs[i] = sum;
		}
 
		for (size_t i = 0, e = get<2>(ret).size(); i != e; ++i) {
			get<2>(ret)[i] = dcdhs[i] *
			                 (1 - fp_vecs[1][i] * fp_vecs[1][i]);
		}
		for (size_t i = 0, e = get<0>(ret).size1(); i != e; ++i) {
			for (size_t j = 0, f = get<0>(ret).size2(); j != f; ++j) {
				get<0>(ret)(i,j) = get<2>(ret)[i] * vec[j] +
				                   2 * lambda * get<0>(params)(i,j);
			}
		}
 
		swap(ret, res);
	}
 
#undef PARAMS_SIZE
#undef INIT_MATS
#undef INIT_VECS
 
	mlp_params params; // mlp_mat W1; mlp_mat W2; mlp_vec b1; mlp_vec b2;
 
	tanh_nl    mid_func;
	softmax_nl out_func;
};
 
 
int main()
{
	// Vecteurs de dimmension 784, 10 classes
	typedef MLP_tanh_softmax<784, 10> MLPts;
	MLPts mlp_ts = MLPts();
 
	// Loading MNIST
	cout << "Loading... ";   cout.flush();
 
	vector<MLPts::mlp_vec> data;
	vector<int>            classes;
	ifstream train("mnist.txt");
	size_t i = 0, count = 0;
	double tmp;
	while (train >> tmp && count < 30000) {
		if (i == 784) {
			classes.push_back(int(tmp));
			i = 0;
			++count;
			continue;
		} else if (i == 0) {
			data.push_back(MLPts::mlp_vec(784));
		}
 
		data.back()[i++] = tmp;
	}
	cout << "Loaded. (" << data.size() << " items)" << endl;
 
	ofstream output("res.txt");
	mlp_ts.train(data, classes, 25000, 5000, output);
	output << endl;
	mlp_ts.dump(output);
 
	return exit_success;
}

**DeeDeeS** · 20/09/2014, 11h28

Bonjour Aszarsha,

Merci pour ce post qui me semble très intéressant. Je travail à l'heure actuelle sur le même type de projet et je voulais avoir quelques précisions par rapport à ton code.

J'utilise Visual Studio 2010 et y est implémenté ton main.cpp tout en installant Boost que je n'avais pas.
Jusqu'ici tout allait bien, mais lorsque j'essai de compiler, j'ai un conflit pour les champs de type array ... Le système semble ne pas comprendre s'il doit prendre l'array de boost:: ou l'array de std::

A tu eu le même souci ?

Second problème que j'ai rencontré. J'ai supprimé le namespace std:: pour forcer l'utilisation de boost::array. Ca compile, mais plante de suite après le lancement du programme.
j'ai l'impression que c'est à cause d'un dépassement de mémoire du vecteur ...

Aurais-tu le une idée ? y aurait-il d'autres librairies à télécharger ?

[AI Code]Réseau de neurones: perceptron multi-couche en C++

Contribuez

Discussions similaires

Partager

Partager