ift6266: scripts/stacked

annotate scripts/stacked_dae.py @ 119:4f37755d301b

Refait stacked_dae.py en utilisant le dataset complet shared (juste reparti à 0 à partir du code du tutoriel), et préparé pour utiliser NIST (pas testé)

author	fsavard
date	Wed, 17 Feb 2010 17:06:54 -0500
parents	0b4080394f2c
children

rev	line source
114 0b4080394f2c Added stacked DAE code for my experiments, based on tutorial code. Quite unfinished. fsavard parents: diff changeset	1 #!/usr/bin/python
0b4080394f2c Added stacked DAE code for my experiments, based on tutorial code. Quite unfinished. fsavard parents: diff changeset	2 # coding: utf-8
0b4080394f2c Added stacked DAE code for my experiments, based on tutorial code. Quite unfinished. fsavard parents: diff changeset	3
119 4f37755d301b Refait stacked_dae.py en utilisant le dataset complet shared (juste reparti à 0 à partir du code du tutoriel), et préparé pour utiliser NIST (pas testé) fsavard parents: 114 diff changeset	4 import numpy
4f37755d301b Refait stacked_dae.py en utilisant le dataset complet shared (juste reparti à 0 à partir du code du tutoriel), et préparé pour utiliser NIST (pas testé) fsavard parents: 114 diff changeset	5 import theano
4f37755d301b Refait stacked_dae.py en utilisant le dataset complet shared (juste reparti à 0 à partir du code du tutoriel), et préparé pour utiliser NIST (pas testé) fsavard parents: 114 diff changeset	6 import time
4f37755d301b Refait stacked_dae.py en utilisant le dataset complet shared (juste reparti à 0 à partir du code du tutoriel), et préparé pour utiliser NIST (pas testé) fsavard parents: 114 diff changeset	7 import theano.tensor as T
4f37755d301b Refait stacked_dae.py en utilisant le dataset complet shared (juste reparti à 0 à partir du code du tutoriel), et préparé pour utiliser NIST (pas testé) fsavard parents: 114 diff changeset	8 from theano.tensor.shared_randomstreams import RandomStreams
4f37755d301b Refait stacked_dae.py en utilisant le dataset complet shared (juste reparti à 0 à partir du code du tutoriel), et préparé pour utiliser NIST (pas testé) fsavard parents: 114 diff changeset	9 import os.path
114 0b4080394f2c Added stacked DAE code for my experiments, based on tutorial code. Quite unfinished. fsavard parents: diff changeset	10
119 4f37755d301b Refait stacked_dae.py en utilisant le dataset complet shared (juste reparti à 0 à partir du code du tutoriel), et préparé pour utiliser NIST (pas testé) fsavard parents: 114 diff changeset	11 import gzip
4f37755d301b Refait stacked_dae.py en utilisant le dataset complet shared (juste reparti à 0 à partir du code du tutoriel), et préparé pour utiliser NIST (pas testé) fsavard parents: 114 diff changeset	12 import cPickle
114 0b4080394f2c Added stacked DAE code for my experiments, based on tutorial code. Quite unfinished. fsavard parents: diff changeset	13
119 4f37755d301b Refait stacked_dae.py en utilisant le dataset complet shared (juste reparti à 0 à partir du code du tutoriel), et préparé pour utiliser NIST (pas testé) fsavard parents: 114 diff changeset	14 MNIST_LOCATION = '/u/savardf/datasets/mnist.pkl.gz'
114 0b4080394f2c Added stacked DAE code for my experiments, based on tutorial code. Quite unfinished. fsavard parents: diff changeset	15
0b4080394f2c Added stacked DAE code for my experiments, based on tutorial code. Quite unfinished. fsavard parents: diff changeset	16 # from pylearn codebase
0b4080394f2c Added stacked DAE code for my experiments, based on tutorial code. Quite unfinished. fsavard parents: diff changeset	17 def update_locals(obj, dct):
0b4080394f2c Added stacked DAE code for my experiments, based on tutorial code. Quite unfinished. fsavard parents: diff changeset	18 if 'self' in dct:
0b4080394f2c Added stacked DAE code for my experiments, based on tutorial code. Quite unfinished. fsavard parents: diff changeset	19 del dct['self']
0b4080394f2c Added stacked DAE code for my experiments, based on tutorial code. Quite unfinished. fsavard parents: diff changeset	20 obj.__dict__.update(dct)
0b4080394f2c Added stacked DAE code for my experiments, based on tutorial code. Quite unfinished. fsavard parents: diff changeset	21
0b4080394f2c Added stacked DAE code for my experiments, based on tutorial code. Quite unfinished. fsavard parents: diff changeset	22 class LogisticRegression(object):
0b4080394f2c Added stacked DAE code for my experiments, based on tutorial code. Quite unfinished. fsavard parents: diff changeset	23 def __init__(self, input, n_in, n_out):
0b4080394f2c Added stacked DAE code for my experiments, based on tutorial code. Quite unfinished. fsavard parents: diff changeset	24 # initialize with 0 the weights W as a matrix of shape (n_in, n_out)
119 4f37755d301b Refait stacked_dae.py en utilisant le dataset complet shared (juste reparti à 0 à partir du code du tutoriel), et préparé pour utiliser NIST (pas testé) fsavard parents: 114 diff changeset	25 self.W = theano.shared( value=numpy.zeros((n_in,n_out),
4f37755d301b Refait stacked_dae.py en utilisant le dataset complet shared (juste reparti à 0 à partir du code du tutoriel), et préparé pour utiliser NIST (pas testé) fsavard parents: 114 diff changeset	26 dtype = theano.config.floatX) )
114 0b4080394f2c Added stacked DAE code for my experiments, based on tutorial code. Quite unfinished. fsavard parents: diff changeset	27 # initialize the baises b as a vector of n_out 0s
119 4f37755d301b Refait stacked_dae.py en utilisant le dataset complet shared (juste reparti à 0 à partir du code du tutoriel), et préparé pour utiliser NIST (pas testé) fsavard parents: 114 diff changeset	28 self.b = theano.shared( value=numpy.zeros((n_out,),
4f37755d301b Refait stacked_dae.py en utilisant le dataset complet shared (juste reparti à 0 à partir du code du tutoriel), et préparé pour utiliser NIST (pas testé) fsavard parents: 114 diff changeset	29 dtype = theano.config.floatX) )
114 0b4080394f2c Added stacked DAE code for my experiments, based on tutorial code. Quite unfinished. fsavard parents: diff changeset	30 # compute vector of class-membership probabilities in symbolic form
0b4080394f2c Added stacked DAE code for my experiments, based on tutorial code. Quite unfinished. fsavard parents: diff changeset	31 self.p_y_given_x = T.nnet.softmax(T.dot(input, self.W)+self.b)
119 4f37755d301b Refait stacked_dae.py en utilisant le dataset complet shared (juste reparti à 0 à partir du code du tutoriel), et préparé pour utiliser NIST (pas testé) fsavard parents: 114 diff changeset	32
114 0b4080394f2c Added stacked DAE code for my experiments, based on tutorial code. Quite unfinished. fsavard parents: diff changeset	33 # compute prediction as class whose probability is maximal in
0b4080394f2c Added stacked DAE code for my experiments, based on tutorial code. Quite unfinished. fsavard parents: diff changeset	34 # symbolic form
0b4080394f2c Added stacked DAE code for my experiments, based on tutorial code. Quite unfinished. fsavard parents: diff changeset	35 self.y_pred=T.argmax(self.p_y_given_x, axis=1)
0b4080394f2c Added stacked DAE code for my experiments, based on tutorial code. Quite unfinished. fsavard parents: diff changeset	36
119 4f37755d301b Refait stacked_dae.py en utilisant le dataset complet shared (juste reparti à 0 à partir du code du tutoriel), et préparé pour utiliser NIST (pas testé) fsavard parents: 114 diff changeset	37 # list of parameters for this layer
114 0b4080394f2c Added stacked DAE code for my experiments, based on tutorial code. Quite unfinished. fsavard parents: diff changeset	38 self.params = [self.W, self.b]
0b4080394f2c Added stacked DAE code for my experiments, based on tutorial code. Quite unfinished. fsavard parents: diff changeset	39
0b4080394f2c Added stacked DAE code for my experiments, based on tutorial code. Quite unfinished. fsavard parents: diff changeset	40 def negative_log_likelihood(self, y):
119 4f37755d301b Refait stacked_dae.py en utilisant le dataset complet shared (juste reparti à 0 à partir du code du tutoriel), et préparé pour utiliser NIST (pas testé) fsavard parents: 114 diff changeset	41 return -T.mean(T.log(self.p_y_given_x)[T.arange(y.shape[0]),y])
114 0b4080394f2c Added stacked DAE code for my experiments, based on tutorial code. Quite unfinished. fsavard parents: diff changeset	42
0b4080394f2c Added stacked DAE code for my experiments, based on tutorial code. Quite unfinished. fsavard parents: diff changeset	43 def errors(self, y):
0b4080394f2c Added stacked DAE code for my experiments, based on tutorial code. Quite unfinished. fsavard parents: diff changeset	44 # check if y has same dimension of y_pred
0b4080394f2c Added stacked DAE code for my experiments, based on tutorial code. Quite unfinished. fsavard parents: diff changeset	45 if y.ndim != self.y_pred.ndim:
0b4080394f2c Added stacked DAE code for my experiments, based on tutorial code. Quite unfinished. fsavard parents: diff changeset	46 raise TypeError('y should have the same shape as self.y_pred',
0b4080394f2c Added stacked DAE code for my experiments, based on tutorial code. Quite unfinished. fsavard parents: diff changeset	47 ('y', target.type, 'y_pred', self.y_pred.type))
119 4f37755d301b Refait stacked_dae.py en utilisant le dataset complet shared (juste reparti à 0 à partir du code du tutoriel), et préparé pour utiliser NIST (pas testé) fsavard parents: 114 diff changeset	48
114 0b4080394f2c Added stacked DAE code for my experiments, based on tutorial code. Quite unfinished. fsavard parents: diff changeset	49 # check if y is of the correct datatype
0b4080394f2c Added stacked DAE code for my experiments, based on tutorial code. Quite unfinished. fsavard parents: diff changeset	50 if y.dtype.startswith('int'):
0b4080394f2c Added stacked DAE code for my experiments, based on tutorial code. Quite unfinished. fsavard parents: diff changeset	51 # the T.neq operator returns a vector of 0s and 1s, where 1
0b4080394f2c Added stacked DAE code for my experiments, based on tutorial code. Quite unfinished. fsavard parents: diff changeset	52 # represents a mistake in prediction
0b4080394f2c Added stacked DAE code for my experiments, based on tutorial code. Quite unfinished. fsavard parents: diff changeset	53 return T.mean(T.neq(self.y_pred, y))
0b4080394f2c Added stacked DAE code for my experiments, based on tutorial code. Quite unfinished. fsavard parents: diff changeset	54 else:
0b4080394f2c Added stacked DAE code for my experiments, based on tutorial code. Quite unfinished. fsavard parents: diff changeset	55 raise NotImplementedError()
0b4080394f2c Added stacked DAE code for my experiments, based on tutorial code. Quite unfinished. fsavard parents: diff changeset	56
0b4080394f2c Added stacked DAE code for my experiments, based on tutorial code. Quite unfinished. fsavard parents: diff changeset	57
0b4080394f2c Added stacked DAE code for my experiments, based on tutorial code. Quite unfinished. fsavard parents: diff changeset	58 class SigmoidalLayer(object):
0b4080394f2c Added stacked DAE code for my experiments, based on tutorial code. Quite unfinished. fsavard parents: diff changeset	59 def __init__(self, rng, input, n_in, n_out):
0b4080394f2c Added stacked DAE code for my experiments, based on tutorial code. Quite unfinished. fsavard parents: diff changeset	60 self.input = input
0b4080394f2c Added stacked DAE code for my experiments, based on tutorial code. Quite unfinished. fsavard parents: diff changeset	61
0b4080394f2c Added stacked DAE code for my experiments, based on tutorial code. Quite unfinished. fsavard parents: diff changeset	62 W_values = numpy.asarray( rng.uniform( \
0b4080394f2c Added stacked DAE code for my experiments, based on tutorial code. Quite unfinished. fsavard parents: diff changeset	63 low = -numpy.sqrt(6./(n_in+n_out)), \
0b4080394f2c Added stacked DAE code for my experiments, based on tutorial code. Quite unfinished. fsavard parents: diff changeset	64 high = numpy.sqrt(6./(n_in+n_out)), \
0b4080394f2c Added stacked DAE code for my experiments, based on tutorial code. Quite unfinished. fsavard parents: diff changeset	65 size = (n_in, n_out)), dtype = theano.config.floatX)
0b4080394f2c Added stacked DAE code for my experiments, based on tutorial code. Quite unfinished. fsavard parents: diff changeset	66 self.W = theano.shared(value = W_values)
0b4080394f2c Added stacked DAE code for my experiments, based on tutorial code. Quite unfinished. fsavard parents: diff changeset	67
0b4080394f2c Added stacked DAE code for my experiments, based on tutorial code. Quite unfinished. fsavard parents: diff changeset	68 b_values = numpy.zeros((n_out,), dtype= theano.config.floatX)
0b4080394f2c Added stacked DAE code for my experiments, based on tutorial code. Quite unfinished. fsavard parents: diff changeset	69 self.b = theano.shared(value= b_values)
0b4080394f2c Added stacked DAE code for my experiments, based on tutorial code. Quite unfinished. fsavard parents: diff changeset	70
0b4080394f2c Added stacked DAE code for my experiments, based on tutorial code. Quite unfinished. fsavard parents: diff changeset	71 self.output = T.nnet.sigmoid(T.dot(input, self.W) + self.b)
0b4080394f2c Added stacked DAE code for my experiments, based on tutorial code. Quite unfinished. fsavard parents: diff changeset	72 self.params = [self.W, self.b]
0b4080394f2c Added stacked DAE code for my experiments, based on tutorial code. Quite unfinished. fsavard parents: diff changeset	73
0b4080394f2c Added stacked DAE code for my experiments, based on tutorial code. Quite unfinished. fsavard parents: diff changeset	74
119 4f37755d301b Refait stacked_dae.py en utilisant le dataset complet shared (juste reparti à 0 à partir du code du tutoriel), et préparé pour utiliser NIST (pas testé) fsavard parents: 114 diff changeset	75
114 0b4080394f2c Added stacked DAE code for my experiments, based on tutorial code. Quite unfinished. fsavard parents: diff changeset	76 class dA(object):
119 4f37755d301b Refait stacked_dae.py en utilisant le dataset complet shared (juste reparti à 0 à partir du code du tutoriel), et préparé pour utiliser NIST (pas testé) fsavard parents: 114 diff changeset	77 def __init__(self, n_visible= 784, n_hidden= 500, corruption_level = 0.1,\
4f37755d301b Refait stacked_dae.py en utilisant le dataset complet shared (juste reparti à 0 à partir du code du tutoriel), et préparé pour utiliser NIST (pas testé) fsavard parents: 114 diff changeset	78 input = None, shared_W = None, shared_b = None):
4f37755d301b Refait stacked_dae.py en utilisant le dataset complet shared (juste reparti à 0 à partir du code du tutoriel), et préparé pour utiliser NIST (pas testé) fsavard parents: 114 diff changeset	79 self.n_visible = n_visible
4f37755d301b Refait stacked_dae.py en utilisant le dataset complet shared (juste reparti à 0 à partir du code du tutoriel), et préparé pour utiliser NIST (pas testé) fsavard parents: 114 diff changeset	80 self.n_hidden = n_hidden
4f37755d301b Refait stacked_dae.py en utilisant le dataset complet shared (juste reparti à 0 à partir du code du tutoriel), et préparé pour utiliser NIST (pas testé) fsavard parents: 114 diff changeset	81
4f37755d301b Refait stacked_dae.py en utilisant le dataset complet shared (juste reparti à 0 à partir du code du tutoriel), et préparé pour utiliser NIST (pas testé) fsavard parents: 114 diff changeset	82 # create a Theano random generator that gives symbolic random values
4f37755d301b Refait stacked_dae.py en utilisant le dataset complet shared (juste reparti à 0 à partir du code du tutoriel), et préparé pour utiliser NIST (pas testé) fsavard parents: 114 diff changeset	83 theano_rng = RandomStreams()
4f37755d301b Refait stacked_dae.py en utilisant le dataset complet shared (juste reparti à 0 à partir du code du tutoriel), et préparé pour utiliser NIST (pas testé) fsavard parents: 114 diff changeset	84
4f37755d301b Refait stacked_dae.py en utilisant le dataset complet shared (juste reparti à 0 à partir du code du tutoriel), et préparé pour utiliser NIST (pas testé) fsavard parents: 114 diff changeset	85 if shared_W != None and shared_b != None :
4f37755d301b Refait stacked_dae.py en utilisant le dataset complet shared (juste reparti à 0 à partir du code du tutoriel), et préparé pour utiliser NIST (pas testé) fsavard parents: 114 diff changeset	86 self.W = shared_W
4f37755d301b Refait stacked_dae.py en utilisant le dataset complet shared (juste reparti à 0 à partir du code du tutoriel), et préparé pour utiliser NIST (pas testé) fsavard parents: 114 diff changeset	87 self.b = shared_b
4f37755d301b Refait stacked_dae.py en utilisant le dataset complet shared (juste reparti à 0 à partir du code du tutoriel), et préparé pour utiliser NIST (pas testé) fsavard parents: 114 diff changeset	88 else:
4f37755d301b Refait stacked_dae.py en utilisant le dataset complet shared (juste reparti à 0 à partir du code du tutoriel), et préparé pour utiliser NIST (pas testé) fsavard parents: 114 diff changeset	89 # initial values for weights and biases
4f37755d301b Refait stacked_dae.py en utilisant le dataset complet shared (juste reparti à 0 à partir du code du tutoriel), et préparé pour utiliser NIST (pas testé) fsavard parents: 114 diff changeset	90 # note : W' was written as `W_prime` and b' as `b_prime`
114 0b4080394f2c Added stacked DAE code for my experiments, based on tutorial code. Quite unfinished. fsavard parents: diff changeset	91
119 4f37755d301b Refait stacked_dae.py en utilisant le dataset complet shared (juste reparti à 0 à partir du code du tutoriel), et préparé pour utiliser NIST (pas testé) fsavard parents: 114 diff changeset	92 # W is initialized with `initial_W` which is uniformely sampled
4f37755d301b Refait stacked_dae.py en utilisant le dataset complet shared (juste reparti à 0 à partir du code du tutoriel), et préparé pour utiliser NIST (pas testé) fsavard parents: 114 diff changeset	93 # from -6./sqrt(n_visible+n_hidden) and 6./sqrt(n_hidden+n_visible)
4f37755d301b Refait stacked_dae.py en utilisant le dataset complet shared (juste reparti à 0 à partir du code du tutoriel), et préparé pour utiliser NIST (pas testé) fsavard parents: 114 diff changeset	94 # the output of uniform if converted using asarray to dtype
4f37755d301b Refait stacked_dae.py en utilisant le dataset complet shared (juste reparti à 0 à partir du code du tutoriel), et préparé pour utiliser NIST (pas testé) fsavard parents: 114 diff changeset	95 # theano.config.floatX so that the code is runable on GPU
4f37755d301b Refait stacked_dae.py en utilisant le dataset complet shared (juste reparti à 0 à partir du code du tutoriel), et préparé pour utiliser NIST (pas testé) fsavard parents: 114 diff changeset	96 initial_W = numpy.asarray( numpy.random.uniform( \
4f37755d301b Refait stacked_dae.py en utilisant le dataset complet shared (juste reparti à 0 à partir du code du tutoriel), et préparé pour utiliser NIST (pas testé) fsavard parents: 114 diff changeset	97 low = -numpy.sqrt(6./(n_hidden+n_visible)), \
4f37755d301b Refait stacked_dae.py en utilisant le dataset complet shared (juste reparti à 0 à partir du code du tutoriel), et préparé pour utiliser NIST (pas testé) fsavard parents: 114 diff changeset	98 high = numpy.sqrt(6./(n_hidden+n_visible)), \
4f37755d301b Refait stacked_dae.py en utilisant le dataset complet shared (juste reparti à 0 à partir du code du tutoriel), et préparé pour utiliser NIST (pas testé) fsavard parents: 114 diff changeset	99 size = (n_visible, n_hidden)), dtype = theano.config.floatX)
4f37755d301b Refait stacked_dae.py en utilisant le dataset complet shared (juste reparti à 0 à partir du code du tutoriel), et préparé pour utiliser NIST (pas testé) fsavard parents: 114 diff changeset	100 initial_b = numpy.zeros(n_hidden, dtype = theano.config.floatX)
4f37755d301b Refait stacked_dae.py en utilisant le dataset complet shared (juste reparti à 0 à partir du code du tutoriel), et préparé pour utiliser NIST (pas testé) fsavard parents: 114 diff changeset	101
4f37755d301b Refait stacked_dae.py en utilisant le dataset complet shared (juste reparti à 0 à partir du code du tutoriel), et préparé pour utiliser NIST (pas testé) fsavard parents: 114 diff changeset	102
4f37755d301b Refait stacked_dae.py en utilisant le dataset complet shared (juste reparti à 0 à partir du code du tutoriel), et préparé pour utiliser NIST (pas testé) fsavard parents: 114 diff changeset	103 # theano shared variables for weights and biases
4f37755d301b Refait stacked_dae.py en utilisant le dataset complet shared (juste reparti à 0 à partir du code du tutoriel), et préparé pour utiliser NIST (pas testé) fsavard parents: 114 diff changeset	104 self.W = theano.shared(value = initial_W, name = "W")
4f37755d301b Refait stacked_dae.py en utilisant le dataset complet shared (juste reparti à 0 à partir du code du tutoriel), et préparé pour utiliser NIST (pas testé) fsavard parents: 114 diff changeset	105 self.b = theano.shared(value = initial_b, name = "b")
4f37755d301b Refait stacked_dae.py en utilisant le dataset complet shared (juste reparti à 0 à partir du code du tutoriel), et préparé pour utiliser NIST (pas testé) fsavard parents: 114 diff changeset	106
4f37755d301b Refait stacked_dae.py en utilisant le dataset complet shared (juste reparti à 0 à partir du code du tutoriel), et préparé pour utiliser NIST (pas testé) fsavard parents: 114 diff changeset	107
4f37755d301b Refait stacked_dae.py en utilisant le dataset complet shared (juste reparti à 0 à partir du code du tutoriel), et préparé pour utiliser NIST (pas testé) fsavard parents: 114 diff changeset	108 initial_b_prime= numpy.zeros(n_visible)
4f37755d301b Refait stacked_dae.py en utilisant le dataset complet shared (juste reparti à 0 à partir du code du tutoriel), et préparé pour utiliser NIST (pas testé) fsavard parents: 114 diff changeset	109 # tied weights, therefore W_prime is W transpose
4f37755d301b Refait stacked_dae.py en utilisant le dataset complet shared (juste reparti à 0 à partir du code du tutoriel), et préparé pour utiliser NIST (pas testé) fsavard parents: 114 diff changeset	110 self.W_prime = self.W.T
4f37755d301b Refait stacked_dae.py en utilisant le dataset complet shared (juste reparti à 0 à partir du code du tutoriel), et préparé pour utiliser NIST (pas testé) fsavard parents: 114 diff changeset	111 self.b_prime = theano.shared(value = initial_b_prime, name = "b'")
114 0b4080394f2c Added stacked DAE code for my experiments, based on tutorial code. Quite unfinished. fsavard parents: diff changeset	112
119 4f37755d301b Refait stacked_dae.py en utilisant le dataset complet shared (juste reparti à 0 à partir du code du tutoriel), et préparé pour utiliser NIST (pas testé) fsavard parents: 114 diff changeset	113 # if no input is given, generate a variable representing the input
4f37755d301b Refait stacked_dae.py en utilisant le dataset complet shared (juste reparti à 0 à partir du code du tutoriel), et préparé pour utiliser NIST (pas testé) fsavard parents: 114 diff changeset	114 if input == None :
4f37755d301b Refait stacked_dae.py en utilisant le dataset complet shared (juste reparti à 0 à partir du code du tutoriel), et préparé pour utiliser NIST (pas testé) fsavard parents: 114 diff changeset	115 # we use a matrix because we expect a minibatch of several examples,
4f37755d301b Refait stacked_dae.py en utilisant le dataset complet shared (juste reparti à 0 à partir du code du tutoriel), et préparé pour utiliser NIST (pas testé) fsavard parents: 114 diff changeset	116 # each example being a row
4f37755d301b Refait stacked_dae.py en utilisant le dataset complet shared (juste reparti à 0 à partir du code du tutoriel), et préparé pour utiliser NIST (pas testé) fsavard parents: 114 diff changeset	117 self.x = T.dmatrix(name = 'input')
4f37755d301b Refait stacked_dae.py en utilisant le dataset complet shared (juste reparti à 0 à partir du code du tutoriel), et préparé pour utiliser NIST (pas testé) fsavard parents: 114 diff changeset	118 else:
4f37755d301b Refait stacked_dae.py en utilisant le dataset complet shared (juste reparti à 0 à partir du code du tutoriel), et préparé pour utiliser NIST (pas testé) fsavard parents: 114 diff changeset	119 self.x = input
4f37755d301b Refait stacked_dae.py en utilisant le dataset complet shared (juste reparti à 0 à partir du code du tutoriel), et préparé pour utiliser NIST (pas testé) fsavard parents: 114 diff changeset	120 # Equation (1)
4f37755d301b Refait stacked_dae.py en utilisant le dataset complet shared (juste reparti à 0 à partir du code du tutoriel), et préparé pour utiliser NIST (pas testé) fsavard parents: 114 diff changeset	121 # keep 90% of the inputs the same and zero-out randomly selected subset of 10% of the inputs
4f37755d301b Refait stacked_dae.py en utilisant le dataset complet shared (juste reparti à 0 à partir du code du tutoriel), et préparé pour utiliser NIST (pas testé) fsavard parents: 114 diff changeset	122 # note : first argument of theano.rng.binomial is the shape(size) of
4f37755d301b Refait stacked_dae.py en utilisant le dataset complet shared (juste reparti à 0 à partir du code du tutoriel), et préparé pour utiliser NIST (pas testé) fsavard parents: 114 diff changeset	123 # random numbers that it should produce
4f37755d301b Refait stacked_dae.py en utilisant le dataset complet shared (juste reparti à 0 à partir du code du tutoriel), et préparé pour utiliser NIST (pas testé) fsavard parents: 114 diff changeset	124 # second argument is the number of trials
4f37755d301b Refait stacked_dae.py en utilisant le dataset complet shared (juste reparti à 0 à partir du code du tutoriel), et préparé pour utiliser NIST (pas testé) fsavard parents: 114 diff changeset	125 # third argument is the probability of success of any trial
4f37755d301b Refait stacked_dae.py en utilisant le dataset complet shared (juste reparti à 0 à partir du code du tutoriel), et préparé pour utiliser NIST (pas testé) fsavard parents: 114 diff changeset	126 #
4f37755d301b Refait stacked_dae.py en utilisant le dataset complet shared (juste reparti à 0 à partir du code du tutoriel), et préparé pour utiliser NIST (pas testé) fsavard parents: 114 diff changeset	127 # this will produce an array of 0s and 1s where 1 has a
4f37755d301b Refait stacked_dae.py en utilisant le dataset complet shared (juste reparti à 0 à partir du code du tutoriel), et préparé pour utiliser NIST (pas testé) fsavard parents: 114 diff changeset	128 # probability of 1 - ``corruption_level`` and 0 with
4f37755d301b Refait stacked_dae.py en utilisant le dataset complet shared (juste reparti à 0 à partir du code du tutoriel), et préparé pour utiliser NIST (pas testé) fsavard parents: 114 diff changeset	129 # ``corruption_level``
4f37755d301b Refait stacked_dae.py en utilisant le dataset complet shared (juste reparti à 0 à partir du code du tutoriel), et préparé pour utiliser NIST (pas testé) fsavard parents: 114 diff changeset	130 self.tilde_x = theano_rng.binomial( self.x.shape, 1, 1 - corruption_level) * self.x
4f37755d301b Refait stacked_dae.py en utilisant le dataset complet shared (juste reparti à 0 à partir du code du tutoriel), et préparé pour utiliser NIST (pas testé) fsavard parents: 114 diff changeset	131 # Equation (2)
4f37755d301b Refait stacked_dae.py en utilisant le dataset complet shared (juste reparti à 0 à partir du code du tutoriel), et préparé pour utiliser NIST (pas testé) fsavard parents: 114 diff changeset	132 # note : y is stored as an attribute of the class so that it can be
4f37755d301b Refait stacked_dae.py en utilisant le dataset complet shared (juste reparti à 0 à partir du code du tutoriel), et préparé pour utiliser NIST (pas testé) fsavard parents: 114 diff changeset	133 # used later when stacking dAs.
4f37755d301b Refait stacked_dae.py en utilisant le dataset complet shared (juste reparti à 0 à partir du code du tutoriel), et préparé pour utiliser NIST (pas testé) fsavard parents: 114 diff changeset	134 self.y = T.nnet.sigmoid(T.dot(self.tilde_x, self.W ) + self.b)
4f37755d301b Refait stacked_dae.py en utilisant le dataset complet shared (juste reparti à 0 à partir du code du tutoriel), et préparé pour utiliser NIST (pas testé) fsavard parents: 114 diff changeset	135 # Equation (3)
4f37755d301b Refait stacked_dae.py en utilisant le dataset complet shared (juste reparti à 0 à partir du code du tutoriel), et préparé pour utiliser NIST (pas testé) fsavard parents: 114 diff changeset	136 self.z = T.nnet.sigmoid(T.dot(self.y, self.W_prime) + self.b_prime)
4f37755d301b Refait stacked_dae.py en utilisant le dataset complet shared (juste reparti à 0 à partir du code du tutoriel), et préparé pour utiliser NIST (pas testé) fsavard parents: 114 diff changeset	137 # Equation (4)
4f37755d301b Refait stacked_dae.py en utilisant le dataset complet shared (juste reparti à 0 à partir du code du tutoriel), et préparé pour utiliser NIST (pas testé) fsavard parents: 114 diff changeset	138 # note : we sum over the size of a datapoint; if we are using minibatches,
4f37755d301b Refait stacked_dae.py en utilisant le dataset complet shared (juste reparti à 0 à partir du code du tutoriel), et préparé pour utiliser NIST (pas testé) fsavard parents: 114 diff changeset	139 # L will be a vector, with one entry per example in minibatch
4f37755d301b Refait stacked_dae.py en utilisant le dataset complet shared (juste reparti à 0 à partir du code du tutoriel), et préparé pour utiliser NIST (pas testé) fsavard parents: 114 diff changeset	140 self.L = - T.sum( self.xT.log(self.z) + (1-self.x)T.log(1-self.z), axis=1 )
4f37755d301b Refait stacked_dae.py en utilisant le dataset complet shared (juste reparti à 0 à partir du code du tutoriel), et préparé pour utiliser NIST (pas testé) fsavard parents: 114 diff changeset	141 # note : L is now a vector, where each element is the cross-entropy cost
4f37755d301b Refait stacked_dae.py en utilisant le dataset complet shared (juste reparti à 0 à partir du code du tutoriel), et préparé pour utiliser NIST (pas testé) fsavard parents: 114 diff changeset	142 # of the reconstruction of the corresponding example of the
4f37755d301b Refait stacked_dae.py en utilisant le dataset complet shared (juste reparti à 0 à partir du code du tutoriel), et préparé pour utiliser NIST (pas testé) fsavard parents: 114 diff changeset	143 # minibatch. We need to compute the average of all these to get
4f37755d301b Refait stacked_dae.py en utilisant le dataset complet shared (juste reparti à 0 à partir du code du tutoriel), et préparé pour utiliser NIST (pas testé) fsavard parents: 114 diff changeset	144 # the cost of the minibatch
4f37755d301b Refait stacked_dae.py en utilisant le dataset complet shared (juste reparti à 0 à partir du code du tutoriel), et préparé pour utiliser NIST (pas testé) fsavard parents: 114 diff changeset	145 self.cost = T.mean(self.L)
114 0b4080394f2c Added stacked DAE code for my experiments, based on tutorial code. Quite unfinished. fsavard parents: diff changeset	146
119 4f37755d301b Refait stacked_dae.py en utilisant le dataset complet shared (juste reparti à 0 à partir du code du tutoriel), et préparé pour utiliser NIST (pas testé) fsavard parents: 114 diff changeset	147 self.params = [ self.W, self.b, self.b_prime ]
4f37755d301b Refait stacked_dae.py en utilisant le dataset complet shared (juste reparti à 0 à partir du code du tutoriel), et préparé pour utiliser NIST (pas testé) fsavard parents: 114 diff changeset	148
4f37755d301b Refait stacked_dae.py en utilisant le dataset complet shared (juste reparti à 0 à partir du code du tutoriel), et préparé pour utiliser NIST (pas testé) fsavard parents: 114 diff changeset	149
4f37755d301b Refait stacked_dae.py en utilisant le dataset complet shared (juste reparti à 0 à partir du code du tutoriel), et préparé pour utiliser NIST (pas testé) fsavard parents: 114 diff changeset	150
114 0b4080394f2c Added stacked DAE code for my experiments, based on tutorial code. Quite unfinished. fsavard parents: diff changeset	151
119 4f37755d301b Refait stacked_dae.py en utilisant le dataset complet shared (juste reparti à 0 à partir du code du tutoriel), et préparé pour utiliser NIST (pas testé) fsavard parents: 114 diff changeset	152 class SdA(object):
4f37755d301b Refait stacked_dae.py en utilisant le dataset complet shared (juste reparti à 0 à partir du code du tutoriel), et préparé pour utiliser NIST (pas testé) fsavard parents: 114 diff changeset	153 def __init__(self, train_set_x, train_set_y, batch_size, n_ins,
4f37755d301b Refait stacked_dae.py en utilisant le dataset complet shared (juste reparti à 0 à partir du code du tutoriel), et préparé pour utiliser NIST (pas testé) fsavard parents: 114 diff changeset	154 hidden_layers_sizes, n_outs,
4f37755d301b Refait stacked_dae.py en utilisant le dataset complet shared (juste reparti à 0 à partir du code du tutoriel), et préparé pour utiliser NIST (pas testé) fsavard parents: 114 diff changeset	155 corruption_levels, rng, pretrain_lr, finetune_lr):
4f37755d301b Refait stacked_dae.py en utilisant le dataset complet shared (juste reparti à 0 à partir du code du tutoriel), et préparé pour utiliser NIST (pas testé) fsavard parents: 114 diff changeset	156
114 0b4080394f2c Added stacked DAE code for my experiments, based on tutorial code. Quite unfinished. fsavard parents: diff changeset	157 self.layers = []
0b4080394f2c Added stacked DAE code for my experiments, based on tutorial code. Quite unfinished. fsavard parents: diff changeset	158 self.pretrain_functions = []
0b4080394f2c Added stacked DAE code for my experiments, based on tutorial code. Quite unfinished. fsavard parents: diff changeset	159 self.params = []
0b4080394f2c Added stacked DAE code for my experiments, based on tutorial code. Quite unfinished. fsavard parents: diff changeset	160 self.n_layers = len(hidden_layers_sizes)
0b4080394f2c Added stacked DAE code for my experiments, based on tutorial code. Quite unfinished. fsavard parents: diff changeset	161
0b4080394f2c Added stacked DAE code for my experiments, based on tutorial code. Quite unfinished. fsavard parents: diff changeset	162 if len(hidden_layers_sizes) < 1 :
0b4080394f2c Added stacked DAE code for my experiments, based on tutorial code. Quite unfinished. fsavard parents: diff changeset	163 raiseException (' You must have at least one hidden layer ')
0b4080394f2c Added stacked DAE code for my experiments, based on tutorial code. Quite unfinished. fsavard parents: diff changeset	164
0b4080394f2c Added stacked DAE code for my experiments, based on tutorial code. Quite unfinished. fsavard parents: diff changeset	165
119 4f37755d301b Refait stacked_dae.py en utilisant le dataset complet shared (juste reparti à 0 à partir du code du tutoriel), et préparé pour utiliser NIST (pas testé) fsavard parents: 114 diff changeset	166 # allocate symbolic variables for the data
4f37755d301b Refait stacked_dae.py en utilisant le dataset complet shared (juste reparti à 0 à partir du code du tutoriel), et préparé pour utiliser NIST (pas testé) fsavard parents: 114 diff changeset	167 index = T.lscalar() # index to a [mini]batch
4f37755d301b Refait stacked_dae.py en utilisant le dataset complet shared (juste reparti à 0 à partir du code du tutoriel), et préparé pour utiliser NIST (pas testé) fsavard parents: 114 diff changeset	168 self.x = T.matrix('x') # the data is presented as rasterized images
4f37755d301b Refait stacked_dae.py en utilisant le dataset complet shared (juste reparti à 0 à partir du code du tutoriel), et préparé pour utiliser NIST (pas testé) fsavard parents: 114 diff changeset	169 self.y = T.ivector('y') # the labels are presented as 1D vector of
4f37755d301b Refait stacked_dae.py en utilisant le dataset complet shared (juste reparti à 0 à partir du code du tutoriel), et préparé pour utiliser NIST (pas testé) fsavard parents: 114 diff changeset	170 # [int] labels
114 0b4080394f2c Added stacked DAE code for my experiments, based on tutorial code. Quite unfinished. fsavard parents: diff changeset	171
0b4080394f2c Added stacked DAE code for my experiments, based on tutorial code. Quite unfinished. fsavard parents: diff changeset	172 for i in xrange( self.n_layers ):
0b4080394f2c Added stacked DAE code for my experiments, based on tutorial code. Quite unfinished. fsavard parents: diff changeset	173 # construct the sigmoidal layer
0b4080394f2c Added stacked DAE code for my experiments, based on tutorial code. Quite unfinished. fsavard parents: diff changeset	174
119 4f37755d301b Refait stacked_dae.py en utilisant le dataset complet shared (juste reparti à 0 à partir du code du tutoriel), et préparé pour utiliser NIST (pas testé) fsavard parents: 114 diff changeset	175 # the size of the input is either the number of hidden units of
114 0b4080394f2c Added stacked DAE code for my experiments, based on tutorial code. Quite unfinished. fsavard parents: diff changeset	176 # the layer below or the input size if we are on the first layer
0b4080394f2c Added stacked DAE code for my experiments, based on tutorial code. Quite unfinished. fsavard parents: diff changeset	177 if i == 0 :
119 4f37755d301b Refait stacked_dae.py en utilisant le dataset complet shared (juste reparti à 0 à partir du code du tutoriel), et préparé pour utiliser NIST (pas testé) fsavard parents: 114 diff changeset	178 input_size = n_ins
114 0b4080394f2c Added stacked DAE code for my experiments, based on tutorial code. Quite unfinished. fsavard parents: diff changeset	179 else:
119 4f37755d301b Refait stacked_dae.py en utilisant le dataset complet shared (juste reparti à 0 à partir du code du tutoriel), et préparé pour utiliser NIST (pas testé) fsavard parents: 114 diff changeset	180 input_size = hidden_layers_sizes[i-1]
114 0b4080394f2c Added stacked DAE code for my experiments, based on tutorial code. Quite unfinished. fsavard parents: diff changeset	181
0b4080394f2c Added stacked DAE code for my experiments, based on tutorial code. Quite unfinished. fsavard parents: diff changeset	182 # the input to this layer is either the activation of the hidden
0b4080394f2c Added stacked DAE code for my experiments, based on tutorial code. Quite unfinished. fsavard parents: diff changeset	183 # layer below or the input of the SdA if you are on the first
0b4080394f2c Added stacked DAE code for my experiments, based on tutorial code. Quite unfinished. fsavard parents: diff changeset	184 # layer
119 4f37755d301b Refait stacked_dae.py en utilisant le dataset complet shared (juste reparti à 0 à partir du code du tutoriel), et préparé pour utiliser NIST (pas testé) fsavard parents: 114 diff changeset	185 if i == 0 :
114 0b4080394f2c Added stacked DAE code for my experiments, based on tutorial code. Quite unfinished. fsavard parents: diff changeset	186 layer_input = self.x
0b4080394f2c Added stacked DAE code for my experiments, based on tutorial code. Quite unfinished. fsavard parents: diff changeset	187 else:
0b4080394f2c Added stacked DAE code for my experiments, based on tutorial code. Quite unfinished. fsavard parents: diff changeset	188 layer_input = self.layers[-1].output
0b4080394f2c Added stacked DAE code for my experiments, based on tutorial code. Quite unfinished. fsavard parents: diff changeset	189
119 4f37755d301b Refait stacked_dae.py en utilisant le dataset complet shared (juste reparti à 0 à partir du code du tutoriel), et préparé pour utiliser NIST (pas testé) fsavard parents: 114 diff changeset	190 layer = SigmoidalLayer(rng, layer_input, input_size,
4f37755d301b Refait stacked_dae.py en utilisant le dataset complet shared (juste reparti à 0 à partir du code du tutoriel), et préparé pour utiliser NIST (pas testé) fsavard parents: 114 diff changeset	191 hidden_layers_sizes[i] )
4f37755d301b Refait stacked_dae.py en utilisant le dataset complet shared (juste reparti à 0 à partir du code du tutoriel), et préparé pour utiliser NIST (pas testé) fsavard parents: 114 diff changeset	192 # add the layer to the
114 0b4080394f2c Added stacked DAE code for my experiments, based on tutorial code. Quite unfinished. fsavard parents: diff changeset	193 self.layers += [layer]
0b4080394f2c Added stacked DAE code for my experiments, based on tutorial code. Quite unfinished. fsavard parents: diff changeset	194 self.params += layer.params
119 4f37755d301b Refait stacked_dae.py en utilisant le dataset complet shared (juste reparti à 0 à partir du code du tutoriel), et préparé pour utiliser NIST (pas testé) fsavard parents: 114 diff changeset	195
114 0b4080394f2c Added stacked DAE code for my experiments, based on tutorial code. Quite unfinished. fsavard parents: diff changeset	196 # Construct a denoising autoencoder that shared weights with this
0b4080394f2c Added stacked DAE code for my experiments, based on tutorial code. Quite unfinished. fsavard parents: diff changeset	197 # layer
119 4f37755d301b Refait stacked_dae.py en utilisant le dataset complet shared (juste reparti à 0 à partir du code du tutoriel), et préparé pour utiliser NIST (pas testé) fsavard parents: 114 diff changeset	198 dA_layer = dA(input_size, hidden_layers_sizes[i], \
4f37755d301b Refait stacked_dae.py en utilisant le dataset complet shared (juste reparti à 0 à partir du code du tutoriel), et préparé pour utiliser NIST (pas testé) fsavard parents: 114 diff changeset	199 corruption_level = corruption_levels[0],\
114 0b4080394f2c Added stacked DAE code for my experiments, based on tutorial code. Quite unfinished. fsavard parents: diff changeset	200 input = layer_input, \
0b4080394f2c Added stacked DAE code for my experiments, based on tutorial code. Quite unfinished. fsavard parents: diff changeset	201 shared_W = layer.W, shared_b = layer.b)
119 4f37755d301b Refait stacked_dae.py en utilisant le dataset complet shared (juste reparti à 0 à partir du code du tutoriel), et préparé pour utiliser NIST (pas testé) fsavard parents: 114 diff changeset	202
4f37755d301b Refait stacked_dae.py en utilisant le dataset complet shared (juste reparti à 0 à partir du code du tutoriel), et préparé pour utiliser NIST (pas testé) fsavard parents: 114 diff changeset	203 # Construct a function that trains this dA
4f37755d301b Refait stacked_dae.py en utilisant le dataset complet shared (juste reparti à 0 à partir du code du tutoriel), et préparé pour utiliser NIST (pas testé) fsavard parents: 114 diff changeset	204 # compute gradients of layer parameters
4f37755d301b Refait stacked_dae.py en utilisant le dataset complet shared (juste reparti à 0 à partir du code du tutoriel), et préparé pour utiliser NIST (pas testé) fsavard parents: 114 diff changeset	205 gparams = T.grad(dA_layer.cost, dA_layer.params)
4f37755d301b Refait stacked_dae.py en utilisant le dataset complet shared (juste reparti à 0 à partir du code du tutoriel), et préparé pour utiliser NIST (pas testé) fsavard parents: 114 diff changeset	206 # compute the list of updates
4f37755d301b Refait stacked_dae.py en utilisant le dataset complet shared (juste reparti à 0 à partir du code du tutoriel), et préparé pour utiliser NIST (pas testé) fsavard parents: 114 diff changeset	207 updates = {}
4f37755d301b Refait stacked_dae.py en utilisant le dataset complet shared (juste reparti à 0 à partir du code du tutoriel), et préparé pour utiliser NIST (pas testé) fsavard parents: 114 diff changeset	208 for param, gparam in zip(dA_layer.params, gparams):
4f37755d301b Refait stacked_dae.py en utilisant le dataset complet shared (juste reparti à 0 à partir du code du tutoriel), et préparé pour utiliser NIST (pas testé) fsavard parents: 114 diff changeset	209 updates[param] = param - gparam * pretrain_lr
4f37755d301b Refait stacked_dae.py en utilisant le dataset complet shared (juste reparti à 0 à partir du code du tutoriel), et préparé pour utiliser NIST (pas testé) fsavard parents: 114 diff changeset	210
4f37755d301b Refait stacked_dae.py en utilisant le dataset complet shared (juste reparti à 0 à partir du code du tutoriel), et préparé pour utiliser NIST (pas testé) fsavard parents: 114 diff changeset	211 # create a function that trains the dA
4f37755d301b Refait stacked_dae.py en utilisant le dataset complet shared (juste reparti à 0 à partir du code du tutoriel), et préparé pour utiliser NIST (pas testé) fsavard parents: 114 diff changeset	212 update_fn = theano.function([index], dA_layer.cost, \
4f37755d301b Refait stacked_dae.py en utilisant le dataset complet shared (juste reparti à 0 à partir du code du tutoriel), et préparé pour utiliser NIST (pas testé) fsavard parents: 114 diff changeset	213 updates = updates,
4f37755d301b Refait stacked_dae.py en utilisant le dataset complet shared (juste reparti à 0 à partir du code du tutoriel), et préparé pour utiliser NIST (pas testé) fsavard parents: 114 diff changeset	214 givens = {
4f37755d301b Refait stacked_dae.py en utilisant le dataset complet shared (juste reparti à 0 à partir du code du tutoriel), et préparé pour utiliser NIST (pas testé) fsavard parents: 114 diff changeset	215 self.x : train_set_x[indexbatch_size:(index+1)batch_size]})
4f37755d301b Refait stacked_dae.py en utilisant le dataset complet shared (juste reparti à 0 à partir du code du tutoriel), et préparé pour utiliser NIST (pas testé) fsavard parents: 114 diff changeset	216 # collect this function into a list
4f37755d301b Refait stacked_dae.py en utilisant le dataset complet shared (juste reparti à 0 à partir du code du tutoriel), et préparé pour utiliser NIST (pas testé) fsavard parents: 114 diff changeset	217 self.pretrain_functions += [update_fn]
114 0b4080394f2c Added stacked DAE code for my experiments, based on tutorial code. Quite unfinished. fsavard parents: diff changeset	218
119 4f37755d301b Refait stacked_dae.py en utilisant le dataset complet shared (juste reparti à 0 à partir du code du tutoriel), et préparé pour utiliser NIST (pas testé) fsavard parents: 114 diff changeset	219
114 0b4080394f2c Added stacked DAE code for my experiments, based on tutorial code. Quite unfinished. fsavard parents: diff changeset	220 # We now need to add a logistic layer on top of the MLP
0b4080394f2c Added stacked DAE code for my experiments, based on tutorial code. Quite unfinished. fsavard parents: diff changeset	221 self.logLayer = LogisticRegression(\
0b4080394f2c Added stacked DAE code for my experiments, based on tutorial code. Quite unfinished. fsavard parents: diff changeset	222 input = self.layers[-1].output,\
119 4f37755d301b Refait stacked_dae.py en utilisant le dataset complet shared (juste reparti à 0 à partir du code du tutoriel), et préparé pour utiliser NIST (pas testé) fsavard parents: 114 diff changeset	223 n_in = hidden_layers_sizes[-1], n_out = n_outs)
114 0b4080394f2c Added stacked DAE code for my experiments, based on tutorial code. Quite unfinished. fsavard parents: diff changeset	224
0b4080394f2c Added stacked DAE code for my experiments, based on tutorial code. Quite unfinished. fsavard parents: diff changeset	225 self.params += self.logLayer.params
0b4080394f2c Added stacked DAE code for my experiments, based on tutorial code. Quite unfinished. fsavard parents: diff changeset	226 # construct a function that implements one step of finetunining
0b4080394f2c Added stacked DAE code for my experiments, based on tutorial code. Quite unfinished. fsavard parents: diff changeset	227
119 4f37755d301b Refait stacked_dae.py en utilisant le dataset complet shared (juste reparti à 0 à partir du code du tutoriel), et préparé pour utiliser NIST (pas testé) fsavard parents: 114 diff changeset	228 # compute the cost, defined as the negative log likelihood
114 0b4080394f2c Added stacked DAE code for my experiments, based on tutorial code. Quite unfinished. fsavard parents: diff changeset	229 cost = self.logLayer.negative_log_likelihood(self.y)
0b4080394f2c Added stacked DAE code for my experiments, based on tutorial code. Quite unfinished. fsavard parents: diff changeset	230 # compute the gradients with respect to the model parameters
0b4080394f2c Added stacked DAE code for my experiments, based on tutorial code. Quite unfinished. fsavard parents: diff changeset	231 gparams = T.grad(cost, self.params)
0b4080394f2c Added stacked DAE code for my experiments, based on tutorial code. Quite unfinished. fsavard parents: diff changeset	232 # compute list of updates
0b4080394f2c Added stacked DAE code for my experiments, based on tutorial code. Quite unfinished. fsavard parents: diff changeset	233 updates = {}
0b4080394f2c Added stacked DAE code for my experiments, based on tutorial code. Quite unfinished. fsavard parents: diff changeset	234 for param,gparam in zip(self.params, gparams):
119 4f37755d301b Refait stacked_dae.py en utilisant le dataset complet shared (juste reparti à 0 à partir du code du tutoriel), et préparé pour utiliser NIST (pas testé) fsavard parents: 114 diff changeset	235 updates[param] = param - gparam*finetune_lr
4f37755d301b Refait stacked_dae.py en utilisant le dataset complet shared (juste reparti à 0 à partir du code du tutoriel), et préparé pour utiliser NIST (pas testé) fsavard parents: 114 diff changeset	236
4f37755d301b Refait stacked_dae.py en utilisant le dataset complet shared (juste reparti à 0 à partir du code du tutoriel), et préparé pour utiliser NIST (pas testé) fsavard parents: 114 diff changeset	237 self.finetune = theano.function([index], cost,
4f37755d301b Refait stacked_dae.py en utilisant le dataset complet shared (juste reparti à 0 à partir du code du tutoriel), et préparé pour utiliser NIST (pas testé) fsavard parents: 114 diff changeset	238 updates = updates,
4f37755d301b Refait stacked_dae.py en utilisant le dataset complet shared (juste reparti à 0 à partir du code du tutoriel), et préparé pour utiliser NIST (pas testé) fsavard parents: 114 diff changeset	239 givens = {
4f37755d301b Refait stacked_dae.py en utilisant le dataset complet shared (juste reparti à 0 à partir du code du tutoriel), et préparé pour utiliser NIST (pas testé) fsavard parents: 114 diff changeset	240 self.x : train_set_x[indexbatch_size:(index+1)batch_size],
4f37755d301b Refait stacked_dae.py en utilisant le dataset complet shared (juste reparti à 0 à partir du code du tutoriel), et préparé pour utiliser NIST (pas testé) fsavard parents: 114 diff changeset	241 self.y : train_set_y[indexbatch_size:(index+1)batch_size]} )
114 0b4080394f2c Added stacked DAE code for my experiments, based on tutorial code. Quite unfinished. fsavard parents: diff changeset	242
0b4080394f2c Added stacked DAE code for my experiments, based on tutorial code. Quite unfinished. fsavard parents: diff changeset	243 # symbolic variable that points to the number of errors made on the
0b4080394f2c Added stacked DAE code for my experiments, based on tutorial code. Quite unfinished. fsavard parents: diff changeset	244 # minibatch given by self.x and self.y
0b4080394f2c Added stacked DAE code for my experiments, based on tutorial code. Quite unfinished. fsavard parents: diff changeset	245
0b4080394f2c Added stacked DAE code for my experiments, based on tutorial code. Quite unfinished. fsavard parents: diff changeset	246 self.errors = self.logLayer.errors(self.y)
0b4080394f2c Added stacked DAE code for my experiments, based on tutorial code. Quite unfinished. fsavard parents: diff changeset	247
119 4f37755d301b Refait stacked_dae.py en utilisant le dataset complet shared (juste reparti à 0 à partir du code du tutoriel), et préparé pour utiliser NIST (pas testé) fsavard parents: 114 diff changeset	248 class Hyperparameters:
4f37755d301b Refait stacked_dae.py en utilisant le dataset complet shared (juste reparti à 0 à partir du code du tutoriel), et préparé pour utiliser NIST (pas testé) fsavard parents: 114 diff changeset	249 def __init__(self, dict):
4f37755d301b Refait stacked_dae.py en utilisant le dataset complet shared (juste reparti à 0 à partir du code du tutoriel), et préparé pour utiliser NIST (pas testé) fsavard parents: 114 diff changeset	250 self.__dict__.update(dict)
114 0b4080394f2c Added stacked DAE code for my experiments, based on tutorial code. Quite unfinished. fsavard parents: diff changeset	251
119 4f37755d301b Refait stacked_dae.py en utilisant le dataset complet shared (juste reparti à 0 à partir du code du tutoriel), et préparé pour utiliser NIST (pas testé) fsavard parents: 114 diff changeset	252 def sgd_optimization_mnist(learning_rate=0.1, pretraining_epochs = 2, \
4f37755d301b Refait stacked_dae.py en utilisant le dataset complet shared (juste reparti à 0 à partir du code du tutoriel), et préparé pour utiliser NIST (pas testé) fsavard parents: 114 diff changeset	253 pretrain_lr = 0.1, training_epochs = 5, \
4f37755d301b Refait stacked_dae.py en utilisant le dataset complet shared (juste reparti à 0 à partir du code du tutoriel), et préparé pour utiliser NIST (pas testé) fsavard parents: 114 diff changeset	254 dataset='mnist.pkl.gz'):
4f37755d301b Refait stacked_dae.py en utilisant le dataset complet shared (juste reparti à 0 à partir du code du tutoriel), et préparé pour utiliser NIST (pas testé) fsavard parents: 114 diff changeset	255 # Load the dataset
4f37755d301b Refait stacked_dae.py en utilisant le dataset complet shared (juste reparti à 0 à partir du code du tutoriel), et préparé pour utiliser NIST (pas testé) fsavard parents: 114 diff changeset	256 f = gzip.open(dataset,'rb')
4f37755d301b Refait stacked_dae.py en utilisant le dataset complet shared (juste reparti à 0 à partir du code du tutoriel), et préparé pour utiliser NIST (pas testé) fsavard parents: 114 diff changeset	257 # this gives us train, valid, test (each with .x, .y)
4f37755d301b Refait stacked_dae.py en utilisant le dataset complet shared (juste reparti à 0 à partir du code du tutoriel), et préparé pour utiliser NIST (pas testé) fsavard parents: 114 diff changeset	258 dataset = cPickle.load(f)
4f37755d301b Refait stacked_dae.py en utilisant le dataset complet shared (juste reparti à 0 à partir du code du tutoriel), et préparé pour utiliser NIST (pas testé) fsavard parents: 114 diff changeset	259 f.close()
4f37755d301b Refait stacked_dae.py en utilisant le dataset complet shared (juste reparti à 0 à partir du code du tutoriel), et préparé pour utiliser NIST (pas testé) fsavard parents: 114 diff changeset	260
4f37755d301b Refait stacked_dae.py en utilisant le dataset complet shared (juste reparti à 0 à partir du code du tutoriel), et préparé pour utiliser NIST (pas testé) fsavard parents: 114 diff changeset	261 n_ins = 28*28
4f37755d301b Refait stacked_dae.py en utilisant le dataset complet shared (juste reparti à 0 à partir du code du tutoriel), et préparé pour utiliser NIST (pas testé) fsavard parents: 114 diff changeset	262 n_outs = 10
4f37755d301b Refait stacked_dae.py en utilisant le dataset complet shared (juste reparti à 0 à partir du code du tutoriel), et préparé pour utiliser NIST (pas testé) fsavard parents: 114 diff changeset	263
4f37755d301b Refait stacked_dae.py en utilisant le dataset complet shared (juste reparti à 0 à partir du code du tutoriel), et préparé pour utiliser NIST (pas testé) fsavard parents: 114 diff changeset	264 hyperparameters = Hyperparameters({'finetuning_lr':learning_rate,
4f37755d301b Refait stacked_dae.py en utilisant le dataset complet shared (juste reparti à 0 à partir du code du tutoriel), et préparé pour utiliser NIST (pas testé) fsavard parents: 114 diff changeset	265 'pretraining_lr':pretrain_lr,
4f37755d301b Refait stacked_dae.py en utilisant le dataset complet shared (juste reparti à 0 à partir du code du tutoriel), et préparé pour utiliser NIST (pas testé) fsavard parents: 114 diff changeset	266 'pretraining_epochs_per_layer':pretraining_epochs,
4f37755d301b Refait stacked_dae.py en utilisant le dataset complet shared (juste reparti à 0 à partir du code du tutoriel), et préparé pour utiliser NIST (pas testé) fsavard parents: 114 diff changeset	267 'max_finetuning_epochs':training_epochs,
4f37755d301b Refait stacked_dae.py en utilisant le dataset complet shared (juste reparti à 0 à partir du code du tutoriel), et préparé pour utiliser NIST (pas testé) fsavard parents: 114 diff changeset	268 'hidden_layers_sizes':[1000,1000,1000],
4f37755d301b Refait stacked_dae.py en utilisant le dataset complet shared (juste reparti à 0 à partir du code du tutoriel), et préparé pour utiliser NIST (pas testé) fsavard parents: 114 diff changeset	269 'corruption_levels':[0.2,0.2,0.2],
4f37755d301b Refait stacked_dae.py en utilisant le dataset complet shared (juste reparti à 0 à partir du code du tutoriel), et préparé pour utiliser NIST (pas testé) fsavard parents: 114 diff changeset	270 'minibatch_size':20})
114 0b4080394f2c Added stacked DAE code for my experiments, based on tutorial code. Quite unfinished. fsavard parents: diff changeset	271
119 4f37755d301b Refait stacked_dae.py en utilisant le dataset complet shared (juste reparti à 0 à partir du code du tutoriel), et préparé pour utiliser NIST (pas testé) fsavard parents: 114 diff changeset	272 sgd_optimization(dataset, hyperparameters, n_ins, n_outs)
4f37755d301b Refait stacked_dae.py en utilisant le dataset complet shared (juste reparti à 0 à partir du code du tutoriel), et préparé pour utiliser NIST (pas testé) fsavard parents: 114 diff changeset	273
4f37755d301b Refait stacked_dae.py en utilisant le dataset complet shared (juste reparti à 0 à partir du code du tutoriel), et préparé pour utiliser NIST (pas testé) fsavard parents: 114 diff changeset	274 class NIST:
4f37755d301b Refait stacked_dae.py en utilisant le dataset complet shared (juste reparti à 0 à partir du code du tutoriel), et préparé pour utiliser NIST (pas testé) fsavard parents: 114 diff changeset	275 def __init__(self, minibatch_size, basepath=='/data/lisa/data/nist/by_class/all'):
4f37755d301b Refait stacked_dae.py en utilisant le dataset complet shared (juste reparti à 0 à partir du code du tutoriel), et préparé pour utiliser NIST (pas testé) fsavard parents: 114 diff changeset	276 self.minibatch_size = minibatch_size
4f37755d301b Refait stacked_dae.py en utilisant le dataset complet shared (juste reparti à 0 à partir du code du tutoriel), et préparé pour utiliser NIST (pas testé) fsavard parents: 114 diff changeset	277 self.basepath = basepath
4f37755d301b Refait stacked_dae.py en utilisant le dataset complet shared (juste reparti à 0 à partir du code du tutoriel), et préparé pour utiliser NIST (pas testé) fsavard parents: 114 diff changeset	278
4f37755d301b Refait stacked_dae.py en utilisant le dataset complet shared (juste reparti à 0 à partir du code du tutoriel), et préparé pour utiliser NIST (pas testé) fsavard parents: 114 diff changeset	279 self.train = [None, None]
4f37755d301b Refait stacked_dae.py en utilisant le dataset complet shared (juste reparti à 0 à partir du code du tutoriel), et préparé pour utiliser NIST (pas testé) fsavard parents: 114 diff changeset	280 self.test = [None, None]
4f37755d301b Refait stacked_dae.py en utilisant le dataset complet shared (juste reparti à 0 à partir du code du tutoriel), et préparé pour utiliser NIST (pas testé) fsavard parents: 114 diff changeset	281
4f37755d301b Refait stacked_dae.py en utilisant le dataset complet shared (juste reparti à 0 à partir du code du tutoriel), et préparé pour utiliser NIST (pas testé) fsavard parents: 114 diff changeset	282 self.load_train_test()
114 0b4080394f2c Added stacked DAE code for my experiments, based on tutorial code. Quite unfinished. fsavard parents: diff changeset	283
119 4f37755d301b Refait stacked_dae.py en utilisant le dataset complet shared (juste reparti à 0 à partir du code du tutoriel), et préparé pour utiliser NIST (pas testé) fsavard parents: 114 diff changeset	284 self.valid = [None, None]
4f37755d301b Refait stacked_dae.py en utilisant le dataset complet shared (juste reparti à 0 à partir du code du tutoriel), et préparé pour utiliser NIST (pas testé) fsavard parents: 114 diff changeset	285 self.split_train_valid()
4f37755d301b Refait stacked_dae.py en utilisant le dataset complet shared (juste reparti à 0 à partir du code du tutoriel), et préparé pour utiliser NIST (pas testé) fsavard parents: 114 diff changeset	286
4f37755d301b Refait stacked_dae.py en utilisant le dataset complet shared (juste reparti à 0 à partir du code du tutoriel), et préparé pour utiliser NIST (pas testé) fsavard parents: 114 diff changeset	287 def set_filenames(self):
4f37755d301b Refait stacked_dae.py en utilisant le dataset complet shared (juste reparti à 0 à partir du code du tutoriel), et préparé pour utiliser NIST (pas testé) fsavard parents: 114 diff changeset	288 self.train_files = ['all_train_data.ft',
4f37755d301b Refait stacked_dae.py en utilisant le dataset complet shared (juste reparti à 0 à partir du code du tutoriel), et préparé pour utiliser NIST (pas testé) fsavard parents: 114 diff changeset	289 'all_train_labels.ft']
4f37755d301b Refait stacked_dae.py en utilisant le dataset complet shared (juste reparti à 0 à partir du code du tutoriel), et préparé pour utiliser NIST (pas testé) fsavard parents: 114 diff changeset	290
4f37755d301b Refait stacked_dae.py en utilisant le dataset complet shared (juste reparti à 0 à partir du code du tutoriel), et préparé pour utiliser NIST (pas testé) fsavard parents: 114 diff changeset	291 self.test_files = ['all_test_data.ft',
4f37755d301b Refait stacked_dae.py en utilisant le dataset complet shared (juste reparti à 0 à partir du code du tutoriel), et préparé pour utiliser NIST (pas testé) fsavard parents: 114 diff changeset	292 'all_test_labels.ft']
4f37755d301b Refait stacked_dae.py en utilisant le dataset complet shared (juste reparti à 0 à partir du code du tutoriel), et préparé pour utiliser NIST (pas testé) fsavard parents: 114 diff changeset	293
4f37755d301b Refait stacked_dae.py en utilisant le dataset complet shared (juste reparti à 0 à partir du code du tutoriel), et préparé pour utiliser NIST (pas testé) fsavard parents: 114 diff changeset	294 def load_train_test(self):
4f37755d301b Refait stacked_dae.py en utilisant le dataset complet shared (juste reparti à 0 à partir du code du tutoriel), et préparé pour utiliser NIST (pas testé) fsavard parents: 114 diff changeset	295 self.load_data_labels(self.train_files, self.train)
4f37755d301b Refait stacked_dae.py en utilisant le dataset complet shared (juste reparti à 0 à partir du code du tutoriel), et préparé pour utiliser NIST (pas testé) fsavard parents: 114 diff changeset	296 self.load_data_labels(self.test_files, self.test)
114 0b4080394f2c Added stacked DAE code for my experiments, based on tutorial code. Quite unfinished. fsavard parents: diff changeset	297
119 4f37755d301b Refait stacked_dae.py en utilisant le dataset complet shared (juste reparti à 0 à partir du code du tutoriel), et préparé pour utiliser NIST (pas testé) fsavard parents: 114 diff changeset	298 def load_data_labels(self, filenames, pair):
4f37755d301b Refait stacked_dae.py en utilisant le dataset complet shared (juste reparti à 0 à partir du code du tutoriel), et préparé pour utiliser NIST (pas testé) fsavard parents: 114 diff changeset	299 for i, fn in enumerate(filenames):
4f37755d301b Refait stacked_dae.py en utilisant le dataset complet shared (juste reparti à 0 à partir du code du tutoriel), et préparé pour utiliser NIST (pas testé) fsavard parents: 114 diff changeset	300 f = open(fn)
4f37755d301b Refait stacked_dae.py en utilisant le dataset complet shared (juste reparti à 0 à partir du code du tutoriel), et préparé pour utiliser NIST (pas testé) fsavard parents: 114 diff changeset	301 pair[i] = ft.read(os.path.join(self.base_path, fn))
4f37755d301b Refait stacked_dae.py en utilisant le dataset complet shared (juste reparti à 0 à partir du code du tutoriel), et préparé pour utiliser NIST (pas testé) fsavard parents: 114 diff changeset	302 f.close()
4f37755d301b Refait stacked_dae.py en utilisant le dataset complet shared (juste reparti à 0 à partir du code du tutoriel), et préparé pour utiliser NIST (pas testé) fsavard parents: 114 diff changeset	303
4f37755d301b Refait stacked_dae.py en utilisant le dataset complet shared (juste reparti à 0 à partir du code du tutoriel), et préparé pour utiliser NIST (pas testé) fsavard parents: 114 diff changeset	304 def split_train_valid(self):
4f37755d301b Refait stacked_dae.py en utilisant le dataset complet shared (juste reparti à 0 à partir du code du tutoriel), et préparé pour utiliser NIST (pas testé) fsavard parents: 114 diff changeset	305 test_len = len(self.test[0])
4f37755d301b Refait stacked_dae.py en utilisant le dataset complet shared (juste reparti à 0 à partir du code du tutoriel), et préparé pour utiliser NIST (pas testé) fsavard parents: 114 diff changeset	306
4f37755d301b Refait stacked_dae.py en utilisant le dataset complet shared (juste reparti à 0 à partir du code du tutoriel), et préparé pour utiliser NIST (pas testé) fsavard parents: 114 diff changeset	307 new_train_x = self.train[0][:-test_len]
4f37755d301b Refait stacked_dae.py en utilisant le dataset complet shared (juste reparti à 0 à partir du code du tutoriel), et préparé pour utiliser NIST (pas testé) fsavard parents: 114 diff changeset	308 new_train_y = self.train[1][:-test_len]
4f37755d301b Refait stacked_dae.py en utilisant le dataset complet shared (juste reparti à 0 à partir du code du tutoriel), et préparé pour utiliser NIST (pas testé) fsavard parents: 114 diff changeset	309
4f37755d301b Refait stacked_dae.py en utilisant le dataset complet shared (juste reparti à 0 à partir du code du tutoriel), et préparé pour utiliser NIST (pas testé) fsavard parents: 114 diff changeset	310 self.valid[0] = self.train[0][-test_len:]
4f37755d301b Refait stacked_dae.py en utilisant le dataset complet shared (juste reparti à 0 à partir du code du tutoriel), et préparé pour utiliser NIST (pas testé) fsavard parents: 114 diff changeset	311 self.valid[1] = self.train[1][-test_len:]
4f37755d301b Refait stacked_dae.py en utilisant le dataset complet shared (juste reparti à 0 à partir du code du tutoriel), et préparé pour utiliser NIST (pas testé) fsavard parents: 114 diff changeset	312
4f37755d301b Refait stacked_dae.py en utilisant le dataset complet shared (juste reparti à 0 à partir du code du tutoriel), et préparé pour utiliser NIST (pas testé) fsavard parents: 114 diff changeset	313 self.train[0] = new_train_x
4f37755d301b Refait stacked_dae.py en utilisant le dataset complet shared (juste reparti à 0 à partir du code du tutoriel), et préparé pour utiliser NIST (pas testé) fsavard parents: 114 diff changeset	314 self.train[1] = new_train_y
4f37755d301b Refait stacked_dae.py en utilisant le dataset complet shared (juste reparti à 0 à partir du code du tutoriel), et préparé pour utiliser NIST (pas testé) fsavard parents: 114 diff changeset	315
4f37755d301b Refait stacked_dae.py en utilisant le dataset complet shared (juste reparti à 0 à partir du code du tutoriel), et préparé pour utiliser NIST (pas testé) fsavard parents: 114 diff changeset	316 def sgd_optimization_nist(dataset_dir='/data/lisa/data/nist'):
4f37755d301b Refait stacked_dae.py en utilisant le dataset complet shared (juste reparti à 0 à partir du code du tutoriel), et préparé pour utiliser NIST (pas testé) fsavard parents: 114 diff changeset	317 pass
4f37755d301b Refait stacked_dae.py en utilisant le dataset complet shared (juste reparti à 0 à partir du code du tutoriel), et préparé pour utiliser NIST (pas testé) fsavard parents: 114 diff changeset	318
4f37755d301b Refait stacked_dae.py en utilisant le dataset complet shared (juste reparti à 0 à partir du code du tutoriel), et préparé pour utiliser NIST (pas testé) fsavard parents: 114 diff changeset	319 def sgd_optimization(dataset, hyperparameters, n_ins, n_outs):
4f37755d301b Refait stacked_dae.py en utilisant le dataset complet shared (juste reparti à 0 à partir du code du tutoriel), et préparé pour utiliser NIST (pas testé) fsavard parents: 114 diff changeset	320 hp = hyperparameters
4f37755d301b Refait stacked_dae.py en utilisant le dataset complet shared (juste reparti à 0 à partir du code du tutoriel), et préparé pour utiliser NIST (pas testé) fsavard parents: 114 diff changeset	321
4f37755d301b Refait stacked_dae.py en utilisant le dataset complet shared (juste reparti à 0 à partir du code du tutoriel), et préparé pour utiliser NIST (pas testé) fsavard parents: 114 diff changeset	322 train_set, valid_set, test_set = dataset
114 0b4080394f2c Added stacked DAE code for my experiments, based on tutorial code. Quite unfinished. fsavard parents: diff changeset	323
119 4f37755d301b Refait stacked_dae.py en utilisant le dataset complet shared (juste reparti à 0 à partir du code du tutoriel), et préparé pour utiliser NIST (pas testé) fsavard parents: 114 diff changeset	324 def shared_dataset(data_xy):
4f37755d301b Refait stacked_dae.py en utilisant le dataset complet shared (juste reparti à 0 à partir du code du tutoriel), et préparé pour utiliser NIST (pas testé) fsavard parents: 114 diff changeset	325 data_x, data_y = data_xy
4f37755d301b Refait stacked_dae.py en utilisant le dataset complet shared (juste reparti à 0 à partir du code du tutoriel), et préparé pour utiliser NIST (pas testé) fsavard parents: 114 diff changeset	326 shared_x = theano.shared(numpy.asarray(data_x, dtype=theano.config.floatX))
4f37755d301b Refait stacked_dae.py en utilisant le dataset complet shared (juste reparti à 0 à partir du code du tutoriel), et préparé pour utiliser NIST (pas testé) fsavard parents: 114 diff changeset	327 shared_y = theano.shared(numpy.asarray(data_y, dtype=theano.config.floatX))
4f37755d301b Refait stacked_dae.py en utilisant le dataset complet shared (juste reparti à 0 à partir du code du tutoriel), et préparé pour utiliser NIST (pas testé) fsavard parents: 114 diff changeset	328 return shared_x, T.cast(shared_y, 'int32')
4f37755d301b Refait stacked_dae.py en utilisant le dataset complet shared (juste reparti à 0 à partir du code du tutoriel), et préparé pour utiliser NIST (pas testé) fsavard parents: 114 diff changeset	329
4f37755d301b Refait stacked_dae.py en utilisant le dataset complet shared (juste reparti à 0 à partir du code du tutoriel), et préparé pour utiliser NIST (pas testé) fsavard parents: 114 diff changeset	330 test_set_x, test_set_y = shared_dataset(test_set)
4f37755d301b Refait stacked_dae.py en utilisant le dataset complet shared (juste reparti à 0 à partir du code du tutoriel), et préparé pour utiliser NIST (pas testé) fsavard parents: 114 diff changeset	331 valid_set_x, valid_set_y = shared_dataset(valid_set)
4f37755d301b Refait stacked_dae.py en utilisant le dataset complet shared (juste reparti à 0 à partir du code du tutoriel), et préparé pour utiliser NIST (pas testé) fsavard parents: 114 diff changeset	332 train_set_x, train_set_y = shared_dataset(train_set)
4f37755d301b Refait stacked_dae.py en utilisant le dataset complet shared (juste reparti à 0 à partir du code du tutoriel), et préparé pour utiliser NIST (pas testé) fsavard parents: 114 diff changeset	333
4f37755d301b Refait stacked_dae.py en utilisant le dataset complet shared (juste reparti à 0 à partir du code du tutoriel), et préparé pour utiliser NIST (pas testé) fsavard parents: 114 diff changeset	334 # compute number of minibatches for training, validation and testing
4f37755d301b Refait stacked_dae.py en utilisant le dataset complet shared (juste reparti à 0 à partir du code du tutoriel), et préparé pour utiliser NIST (pas testé) fsavard parents: 114 diff changeset	335 n_train_batches = train_set_x.value.shape[0] / hp.minibatch_size
4f37755d301b Refait stacked_dae.py en utilisant le dataset complet shared (juste reparti à 0 à partir du code du tutoriel), et préparé pour utiliser NIST (pas testé) fsavard parents: 114 diff changeset	336 n_valid_batches = valid_set_x.value.shape[0] / hp.minibatch_size
4f37755d301b Refait stacked_dae.py en utilisant le dataset complet shared (juste reparti à 0 à partir du code du tutoriel), et préparé pour utiliser NIST (pas testé) fsavard parents: 114 diff changeset	337 n_test_batches = test_set_x.value.shape[0] / hp.minibatch_size
4f37755d301b Refait stacked_dae.py en utilisant le dataset complet shared (juste reparti à 0 à partir du code du tutoriel), et préparé pour utiliser NIST (pas testé) fsavard parents: 114 diff changeset	338
4f37755d301b Refait stacked_dae.py en utilisant le dataset complet shared (juste reparti à 0 à partir du code du tutoriel), et préparé pour utiliser NIST (pas testé) fsavard parents: 114 diff changeset	339 # allocate symbolic variables for the data
4f37755d301b Refait stacked_dae.py en utilisant le dataset complet shared (juste reparti à 0 à partir du code du tutoriel), et préparé pour utiliser NIST (pas testé) fsavard parents: 114 diff changeset	340 index = T.lscalar() # index to a [mini]batch
4f37755d301b Refait stacked_dae.py en utilisant le dataset complet shared (juste reparti à 0 à partir du code du tutoriel), et préparé pour utiliser NIST (pas testé) fsavard parents: 114 diff changeset	341
4f37755d301b Refait stacked_dae.py en utilisant le dataset complet shared (juste reparti à 0 à partir du code du tutoriel), et préparé pour utiliser NIST (pas testé) fsavard parents: 114 diff changeset	342 # construct the stacked denoising autoencoder class
4f37755d301b Refait stacked_dae.py en utilisant le dataset complet shared (juste reparti à 0 à partir du code du tutoriel), et préparé pour utiliser NIST (pas testé) fsavard parents: 114 diff changeset	343 classifier = SdA( train_set_x=train_set_x, train_set_y = train_set_y,\
4f37755d301b Refait stacked_dae.py en utilisant le dataset complet shared (juste reparti à 0 à partir du code du tutoriel), et préparé pour utiliser NIST (pas testé) fsavard parents: 114 diff changeset	344 batch_size = hp.minibatch_size, n_ins= n_ins, \
4f37755d301b Refait stacked_dae.py en utilisant le dataset complet shared (juste reparti à 0 à partir du code du tutoriel), et préparé pour utiliser NIST (pas testé) fsavard parents: 114 diff changeset	345 hidden_layers_sizes = hp.hidden_layers_sizes, n_outs=10, \
4f37755d301b Refait stacked_dae.py en utilisant le dataset complet shared (juste reparti à 0 à partir du code du tutoriel), et préparé pour utiliser NIST (pas testé) fsavard parents: 114 diff changeset	346 corruption_levels = hp.corruption_levels,\
4f37755d301b Refait stacked_dae.py en utilisant le dataset complet shared (juste reparti à 0 à partir du code du tutoriel), et préparé pour utiliser NIST (pas testé) fsavard parents: 114 diff changeset	347 rng = numpy.random.RandomState(1234),\
4f37755d301b Refait stacked_dae.py en utilisant le dataset complet shared (juste reparti à 0 à partir du code du tutoriel), et préparé pour utiliser NIST (pas testé) fsavard parents: 114 diff changeset	348 pretrain_lr = hp.pretraining_lr, finetune_lr = hp.finetuning_lr )
114 0b4080394f2c Added stacked DAE code for my experiments, based on tutorial code. Quite unfinished. fsavard parents: diff changeset	349
0b4080394f2c Added stacked DAE code for my experiments, based on tutorial code. Quite unfinished. fsavard parents: diff changeset	350
119 4f37755d301b Refait stacked_dae.py en utilisant le dataset complet shared (juste reparti à 0 à partir du code du tutoriel), et préparé pour utiliser NIST (pas testé) fsavard parents: 114 diff changeset	351 start_time = time.clock()
4f37755d301b Refait stacked_dae.py en utilisant le dataset complet shared (juste reparti à 0 à partir du code du tutoriel), et préparé pour utiliser NIST (pas testé) fsavard parents: 114 diff changeset	352 ## Pre-train layer-wise
4f37755d301b Refait stacked_dae.py en utilisant le dataset complet shared (juste reparti à 0 à partir du code du tutoriel), et préparé pour utiliser NIST (pas testé) fsavard parents: 114 diff changeset	353 for i in xrange(classifier.n_layers):
4f37755d301b Refait stacked_dae.py en utilisant le dataset complet shared (juste reparti à 0 à partir du code du tutoriel), et préparé pour utiliser NIST (pas testé) fsavard parents: 114 diff changeset	354 # go through pretraining epochs
4f37755d301b Refait stacked_dae.py en utilisant le dataset complet shared (juste reparti à 0 à partir du code du tutoriel), et préparé pour utiliser NIST (pas testé) fsavard parents: 114 diff changeset	355 for epoch in xrange(hp.pretraining_epochs_per_layer):
4f37755d301b Refait stacked_dae.py en utilisant le dataset complet shared (juste reparti à 0 à partir du code du tutoriel), et préparé pour utiliser NIST (pas testé) fsavard parents: 114 diff changeset	356 # go through the training set
4f37755d301b Refait stacked_dae.py en utilisant le dataset complet shared (juste reparti à 0 à partir du code du tutoriel), et préparé pour utiliser NIST (pas testé) fsavard parents: 114 diff changeset	357 for batch_index in xrange(n_train_batches):
4f37755d301b Refait stacked_dae.py en utilisant le dataset complet shared (juste reparti à 0 à partir du code du tutoriel), et préparé pour utiliser NIST (pas testé) fsavard parents: 114 diff changeset	358 c = classifier.pretrain_functions[i](batch_index)
4f37755d301b Refait stacked_dae.py en utilisant le dataset complet shared (juste reparti à 0 à partir du code du tutoriel), et préparé pour utiliser NIST (pas testé) fsavard parents: 114 diff changeset	359 print 'Pre-training layer %i, epoch %d, cost '%(i,epoch),c
4f37755d301b Refait stacked_dae.py en utilisant le dataset complet shared (juste reparti à 0 à partir du code du tutoriel), et préparé pour utiliser NIST (pas testé) fsavard parents: 114 diff changeset	360
4f37755d301b Refait stacked_dae.py en utilisant le dataset complet shared (juste reparti à 0 à partir du code du tutoriel), et préparé pour utiliser NIST (pas testé) fsavard parents: 114 diff changeset	361 end_time = time.clock()
114 0b4080394f2c Added stacked DAE code for my experiments, based on tutorial code. Quite unfinished. fsavard parents: diff changeset	362
119 4f37755d301b Refait stacked_dae.py en utilisant le dataset complet shared (juste reparti à 0 à partir du code du tutoriel), et préparé pour utiliser NIST (pas testé) fsavard parents: 114 diff changeset	363 print ('Pretraining took %f minutes' %((end_time-start_time)/60.))
4f37755d301b Refait stacked_dae.py en utilisant le dataset complet shared (juste reparti à 0 à partir du code du tutoriel), et préparé pour utiliser NIST (pas testé) fsavard parents: 114 diff changeset	364 # Fine-tune the entire model
114 0b4080394f2c Added stacked DAE code for my experiments, based on tutorial code. Quite unfinished. fsavard parents: diff changeset	365
119 4f37755d301b Refait stacked_dae.py en utilisant le dataset complet shared (juste reparti à 0 à partir du code du tutoriel), et préparé pour utiliser NIST (pas testé) fsavard parents: 114 diff changeset	366 minibatch_size = hp.minibatch_size
114 0b4080394f2c Added stacked DAE code for my experiments, based on tutorial code. Quite unfinished. fsavard parents: diff changeset	367
119 4f37755d301b Refait stacked_dae.py en utilisant le dataset complet shared (juste reparti à 0 à partir du code du tutoriel), et préparé pour utiliser NIST (pas testé) fsavard parents: 114 diff changeset	368 # create a function to compute the mistakes that are made by the model
4f37755d301b Refait stacked_dae.py en utilisant le dataset complet shared (juste reparti à 0 à partir du code du tutoriel), et préparé pour utiliser NIST (pas testé) fsavard parents: 114 diff changeset	369 # on the validation set, or testing set
4f37755d301b Refait stacked_dae.py en utilisant le dataset complet shared (juste reparti à 0 à partir du code du tutoriel), et préparé pour utiliser NIST (pas testé) fsavard parents: 114 diff changeset	370 test_model = theano.function([index], classifier.errors,
4f37755d301b Refait stacked_dae.py en utilisant le dataset complet shared (juste reparti à 0 à partir du code du tutoriel), et préparé pour utiliser NIST (pas testé) fsavard parents: 114 diff changeset	371 givens = {
4f37755d301b Refait stacked_dae.py en utilisant le dataset complet shared (juste reparti à 0 à partir du code du tutoriel), et préparé pour utiliser NIST (pas testé) fsavard parents: 114 diff changeset	372 classifier.x: test_set_x[indexminibatch_size:(index+1)minibatch_size],
4f37755d301b Refait stacked_dae.py en utilisant le dataset complet shared (juste reparti à 0 à partir du code du tutoriel), et préparé pour utiliser NIST (pas testé) fsavard parents: 114 diff changeset	373 classifier.y: test_set_y[indexminibatch_size:(index+1)minibatch_size]})
114 0b4080394f2c Added stacked DAE code for my experiments, based on tutorial code. Quite unfinished. fsavard parents: diff changeset	374
119 4f37755d301b Refait stacked_dae.py en utilisant le dataset complet shared (juste reparti à 0 à partir du code du tutoriel), et préparé pour utiliser NIST (pas testé) fsavard parents: 114 diff changeset	375 validate_model = theano.function([index], classifier.errors,
4f37755d301b Refait stacked_dae.py en utilisant le dataset complet shared (juste reparti à 0 à partir du code du tutoriel), et préparé pour utiliser NIST (pas testé) fsavard parents: 114 diff changeset	376 givens = {
4f37755d301b Refait stacked_dae.py en utilisant le dataset complet shared (juste reparti à 0 à partir du code du tutoriel), et préparé pour utiliser NIST (pas testé) fsavard parents: 114 diff changeset	377 classifier.x: valid_set_x[indexminibatch_size:(index+1)minibatch_size],
4f37755d301b Refait stacked_dae.py en utilisant le dataset complet shared (juste reparti à 0 à partir du code du tutoriel), et préparé pour utiliser NIST (pas testé) fsavard parents: 114 diff changeset	378 classifier.y: valid_set_y[indexminibatch_size:(index+1)minibatch_size]})
114 0b4080394f2c Added stacked DAE code for my experiments, based on tutorial code. Quite unfinished. fsavard parents: diff changeset	379
0b4080394f2c Added stacked DAE code for my experiments, based on tutorial code. Quite unfinished. fsavard parents: diff changeset	380
119 4f37755d301b Refait stacked_dae.py en utilisant le dataset complet shared (juste reparti à 0 à partir du code du tutoriel), et préparé pour utiliser NIST (pas testé) fsavard parents: 114 diff changeset	381 # early-stopping parameters
4f37755d301b Refait stacked_dae.py en utilisant le dataset complet shared (juste reparti à 0 à partir du code du tutoriel), et préparé pour utiliser NIST (pas testé) fsavard parents: 114 diff changeset	382 patience = 10000 # look as this many examples regardless
4f37755d301b Refait stacked_dae.py en utilisant le dataset complet shared (juste reparti à 0 à partir du code du tutoriel), et préparé pour utiliser NIST (pas testé) fsavard parents: 114 diff changeset	383 patience_increase = 2. # wait this much longer when a new best is
4f37755d301b Refait stacked_dae.py en utilisant le dataset complet shared (juste reparti à 0 à partir du code du tutoriel), et préparé pour utiliser NIST (pas testé) fsavard parents: 114 diff changeset	384 # found
4f37755d301b Refait stacked_dae.py en utilisant le dataset complet shared (juste reparti à 0 à partir du code du tutoriel), et préparé pour utiliser NIST (pas testé) fsavard parents: 114 diff changeset	385 improvement_threshold = 0.995 # a relative improvement of this much is
4f37755d301b Refait stacked_dae.py en utilisant le dataset complet shared (juste reparti à 0 à partir du code du tutoriel), et préparé pour utiliser NIST (pas testé) fsavard parents: 114 diff changeset	386 # considered significant
4f37755d301b Refait stacked_dae.py en utilisant le dataset complet shared (juste reparti à 0 à partir du code du tutoriel), et préparé pour utiliser NIST (pas testé) fsavard parents: 114 diff changeset	387 validation_frequency = min(n_train_batches, patience/2)
4f37755d301b Refait stacked_dae.py en utilisant le dataset complet shared (juste reparti à 0 à partir du code du tutoriel), et préparé pour utiliser NIST (pas testé) fsavard parents: 114 diff changeset	388 # go through this many
4f37755d301b Refait stacked_dae.py en utilisant le dataset complet shared (juste reparti à 0 à partir du code du tutoriel), et préparé pour utiliser NIST (pas testé) fsavard parents: 114 diff changeset	389 # minibatche before checking the network
4f37755d301b Refait stacked_dae.py en utilisant le dataset complet shared (juste reparti à 0 à partir du code du tutoriel), et préparé pour utiliser NIST (pas testé) fsavard parents: 114 diff changeset	390 # on the validation set; in this case we
4f37755d301b Refait stacked_dae.py en utilisant le dataset complet shared (juste reparti à 0 à partir du code du tutoriel), et préparé pour utiliser NIST (pas testé) fsavard parents: 114 diff changeset	391 # check every epoch
114 0b4080394f2c Added stacked DAE code for my experiments, based on tutorial code. Quite unfinished. fsavard parents: diff changeset	392
119 4f37755d301b Refait stacked_dae.py en utilisant le dataset complet shared (juste reparti à 0 à partir du code du tutoriel), et préparé pour utiliser NIST (pas testé) fsavard parents: 114 diff changeset	393 best_params = None
4f37755d301b Refait stacked_dae.py en utilisant le dataset complet shared (juste reparti à 0 à partir du code du tutoriel), et préparé pour utiliser NIST (pas testé) fsavard parents: 114 diff changeset	394 best_validation_loss = float('inf')
4f37755d301b Refait stacked_dae.py en utilisant le dataset complet shared (juste reparti à 0 à partir du code du tutoriel), et préparé pour utiliser NIST (pas testé) fsavard parents: 114 diff changeset	395 test_score = 0.
4f37755d301b Refait stacked_dae.py en utilisant le dataset complet shared (juste reparti à 0 à partir du code du tutoriel), et préparé pour utiliser NIST (pas testé) fsavard parents: 114 diff changeset	396 start_time = time.clock()
4f37755d301b Refait stacked_dae.py en utilisant le dataset complet shared (juste reparti à 0 à partir du code du tutoriel), et préparé pour utiliser NIST (pas testé) fsavard parents: 114 diff changeset	397
4f37755d301b Refait stacked_dae.py en utilisant le dataset complet shared (juste reparti à 0 à partir du code du tutoriel), et préparé pour utiliser NIST (pas testé) fsavard parents: 114 diff changeset	398 done_looping = False
4f37755d301b Refait stacked_dae.py en utilisant le dataset complet shared (juste reparti à 0 à partir du code du tutoriel), et préparé pour utiliser NIST (pas testé) fsavard parents: 114 diff changeset	399 epoch = 0
4f37755d301b Refait stacked_dae.py en utilisant le dataset complet shared (juste reparti à 0 à partir du code du tutoriel), et préparé pour utiliser NIST (pas testé) fsavard parents: 114 diff changeset	400
4f37755d301b Refait stacked_dae.py en utilisant le dataset complet shared (juste reparti à 0 à partir du code du tutoriel), et préparé pour utiliser NIST (pas testé) fsavard parents: 114 diff changeset	401 while (epoch < hp.max_finetuning_epochs) and (not done_looping):
4f37755d301b Refait stacked_dae.py en utilisant le dataset complet shared (juste reparti à 0 à partir du code du tutoriel), et préparé pour utiliser NIST (pas testé) fsavard parents: 114 diff changeset	402 epoch = epoch + 1
4f37755d301b Refait stacked_dae.py en utilisant le dataset complet shared (juste reparti à 0 à partir du code du tutoriel), et préparé pour utiliser NIST (pas testé) fsavard parents: 114 diff changeset	403 for minibatch_index in xrange(n_train_batches):
4f37755d301b Refait stacked_dae.py en utilisant le dataset complet shared (juste reparti à 0 à partir du code du tutoriel), et préparé pour utiliser NIST (pas testé) fsavard parents: 114 diff changeset	404
4f37755d301b Refait stacked_dae.py en utilisant le dataset complet shared (juste reparti à 0 à partir du code du tutoriel), et préparé pour utiliser NIST (pas testé) fsavard parents: 114 diff changeset	405 cost_ij = classifier.finetune(minibatch_index)
4f37755d301b Refait stacked_dae.py en utilisant le dataset complet shared (juste reparti à 0 à partir du code du tutoriel), et préparé pour utiliser NIST (pas testé) fsavard parents: 114 diff changeset	406 iter = epoch * n_train_batches + minibatch_index
4f37755d301b Refait stacked_dae.py en utilisant le dataset complet shared (juste reparti à 0 à partir du code du tutoriel), et préparé pour utiliser NIST (pas testé) fsavard parents: 114 diff changeset	407
4f37755d301b Refait stacked_dae.py en utilisant le dataset complet shared (juste reparti à 0 à partir du code du tutoriel), et préparé pour utiliser NIST (pas testé) fsavard parents: 114 diff changeset	408 if (iter+1) % validation_frequency == 0:
4f37755d301b Refait stacked_dae.py en utilisant le dataset complet shared (juste reparti à 0 à partir du code du tutoriel), et préparé pour utiliser NIST (pas testé) fsavard parents: 114 diff changeset	409
4f37755d301b Refait stacked_dae.py en utilisant le dataset complet shared (juste reparti à 0 à partir du code du tutoriel), et préparé pour utiliser NIST (pas testé) fsavard parents: 114 diff changeset	410 validation_losses = [validate_model(i) for i in xrange(n_valid_batches)]
4f37755d301b Refait stacked_dae.py en utilisant le dataset complet shared (juste reparti à 0 à partir du code du tutoriel), et préparé pour utiliser NIST (pas testé) fsavard parents: 114 diff changeset	411 this_validation_loss = numpy.mean(validation_losses)
4f37755d301b Refait stacked_dae.py en utilisant le dataset complet shared (juste reparti à 0 à partir du code du tutoriel), et préparé pour utiliser NIST (pas testé) fsavard parents: 114 diff changeset	412 print('epoch %i, minibatch %i/%i, validation error %f %%' % \
4f37755d301b Refait stacked_dae.py en utilisant le dataset complet shared (juste reparti à 0 à partir du code du tutoriel), et préparé pour utiliser NIST (pas testé) fsavard parents: 114 diff changeset	413 (epoch, minibatch_index+1, n_train_batches, \
4f37755d301b Refait stacked_dae.py en utilisant le dataset complet shared (juste reparti à 0 à partir du code du tutoriel), et préparé pour utiliser NIST (pas testé) fsavard parents: 114 diff changeset	414 this_validation_loss*100.))
114 0b4080394f2c Added stacked DAE code for my experiments, based on tutorial code. Quite unfinished. fsavard parents: diff changeset	415
119 4f37755d301b Refait stacked_dae.py en utilisant le dataset complet shared (juste reparti à 0 à partir du code du tutoriel), et préparé pour utiliser NIST (pas testé) fsavard parents: 114 diff changeset	416
4f37755d301b Refait stacked_dae.py en utilisant le dataset complet shared (juste reparti à 0 à partir du code du tutoriel), et préparé pour utiliser NIST (pas testé) fsavard parents: 114 diff changeset	417 # if we got the best validation score until now
4f37755d301b Refait stacked_dae.py en utilisant le dataset complet shared (juste reparti à 0 à partir du code du tutoriel), et préparé pour utiliser NIST (pas testé) fsavard parents: 114 diff changeset	418 if this_validation_loss < best_validation_loss:
4f37755d301b Refait stacked_dae.py en utilisant le dataset complet shared (juste reparti à 0 à partir du code du tutoriel), et préparé pour utiliser NIST (pas testé) fsavard parents: 114 diff changeset	419
4f37755d301b Refait stacked_dae.py en utilisant le dataset complet shared (juste reparti à 0 à partir du code du tutoriel), et préparé pour utiliser NIST (pas testé) fsavard parents: 114 diff changeset	420 #improve patience if loss improvement is good enough
4f37755d301b Refait stacked_dae.py en utilisant le dataset complet shared (juste reparti à 0 à partir du code du tutoriel), et préparé pour utiliser NIST (pas testé) fsavard parents: 114 diff changeset	421 if this_validation_loss < best_validation_loss * \
4f37755d301b Refait stacked_dae.py en utilisant le dataset complet shared (juste reparti à 0 à partir du code du tutoriel), et préparé pour utiliser NIST (pas testé) fsavard parents: 114 diff changeset	422 improvement_threshold :
4f37755d301b Refait stacked_dae.py en utilisant le dataset complet shared (juste reparti à 0 à partir du code du tutoriel), et préparé pour utiliser NIST (pas testé) fsavard parents: 114 diff changeset	423 patience = max(patience, iter * patience_increase)
4f37755d301b Refait stacked_dae.py en utilisant le dataset complet shared (juste reparti à 0 à partir du code du tutoriel), et préparé pour utiliser NIST (pas testé) fsavard parents: 114 diff changeset	424
4f37755d301b Refait stacked_dae.py en utilisant le dataset complet shared (juste reparti à 0 à partir du code du tutoriel), et préparé pour utiliser NIST (pas testé) fsavard parents: 114 diff changeset	425 # save best validation score and iteration number
4f37755d301b Refait stacked_dae.py en utilisant le dataset complet shared (juste reparti à 0 à partir du code du tutoriel), et préparé pour utiliser NIST (pas testé) fsavard parents: 114 diff changeset	426 best_validation_loss = this_validation_loss
4f37755d301b Refait stacked_dae.py en utilisant le dataset complet shared (juste reparti à 0 à partir du code du tutoriel), et préparé pour utiliser NIST (pas testé) fsavard parents: 114 diff changeset	427 best_iter = iter
4f37755d301b Refait stacked_dae.py en utilisant le dataset complet shared (juste reparti à 0 à partir du code du tutoriel), et préparé pour utiliser NIST (pas testé) fsavard parents: 114 diff changeset	428
4f37755d301b Refait stacked_dae.py en utilisant le dataset complet shared (juste reparti à 0 à partir du code du tutoriel), et préparé pour utiliser NIST (pas testé) fsavard parents: 114 diff changeset	429 # test it on the test set
4f37755d301b Refait stacked_dae.py en utilisant le dataset complet shared (juste reparti à 0 à partir du code du tutoriel), et préparé pour utiliser NIST (pas testé) fsavard parents: 114 diff changeset	430 test_losses = [test_model(i) for i in xrange(n_test_batches)]
4f37755d301b Refait stacked_dae.py en utilisant le dataset complet shared (juste reparti à 0 à partir du code du tutoriel), et préparé pour utiliser NIST (pas testé) fsavard parents: 114 diff changeset	431 test_score = numpy.mean(test_losses)
4f37755d301b Refait stacked_dae.py en utilisant le dataset complet shared (juste reparti à 0 à partir du code du tutoriel), et préparé pour utiliser NIST (pas testé) fsavard parents: 114 diff changeset	432 print((' epoch %i, minibatch %i/%i, test error of best '
4f37755d301b Refait stacked_dae.py en utilisant le dataset complet shared (juste reparti à 0 à partir du code du tutoriel), et préparé pour utiliser NIST (pas testé) fsavard parents: 114 diff changeset	433 'model %f %%') %
4f37755d301b Refait stacked_dae.py en utilisant le dataset complet shared (juste reparti à 0 à partir du code du tutoriel), et préparé pour utiliser NIST (pas testé) fsavard parents: 114 diff changeset	434 (epoch, minibatch_index+1, n_train_batches,
4f37755d301b Refait stacked_dae.py en utilisant le dataset complet shared (juste reparti à 0 à partir du code du tutoriel), et préparé pour utiliser NIST (pas testé) fsavard parents: 114 diff changeset	435 test_score*100.))
4f37755d301b Refait stacked_dae.py en utilisant le dataset complet shared (juste reparti à 0 à partir du code du tutoriel), et préparé pour utiliser NIST (pas testé) fsavard parents: 114 diff changeset	436
4f37755d301b Refait stacked_dae.py en utilisant le dataset complet shared (juste reparti à 0 à partir du code du tutoriel), et préparé pour utiliser NIST (pas testé) fsavard parents: 114 diff changeset	437
4f37755d301b Refait stacked_dae.py en utilisant le dataset complet shared (juste reparti à 0 à partir du code du tutoriel), et préparé pour utiliser NIST (pas testé) fsavard parents: 114 diff changeset	438 if patience <= iter :
114 0b4080394f2c Added stacked DAE code for my experiments, based on tutorial code. Quite unfinished. fsavard parents: diff changeset	439 done_looping = True
0b4080394f2c Added stacked DAE code for my experiments, based on tutorial code. Quite unfinished. fsavard parents: diff changeset	440 break
0b4080394f2c Added stacked DAE code for my experiments, based on tutorial code. Quite unfinished. fsavard parents: diff changeset	441
0b4080394f2c Added stacked DAE code for my experiments, based on tutorial code. Quite unfinished. fsavard parents: diff changeset	442 end_time = time.clock()
119 4f37755d301b Refait stacked_dae.py en utilisant le dataset complet shared (juste reparti à 0 à partir du code du tutoriel), et préparé pour utiliser NIST (pas testé) fsavard parents: 114 diff changeset	443 print(('Optimization complete with best validation score of %f %%,'
4f37755d301b Refait stacked_dae.py en utilisant le dataset complet shared (juste reparti à 0 à partir du code du tutoriel), et préparé pour utiliser NIST (pas testé) fsavard parents: 114 diff changeset	444 'with test performance %f %%') %
4f37755d301b Refait stacked_dae.py en utilisant le dataset complet shared (juste reparti à 0 à partir du code du tutoriel), et préparé pour utiliser NIST (pas testé) fsavard parents: 114 diff changeset	445 (best_validation_loss * 100., test_score*100.))
4f37755d301b Refait stacked_dae.py en utilisant le dataset complet shared (juste reparti à 0 à partir du code du tutoriel), et préparé pour utiliser NIST (pas testé) fsavard parents: 114 diff changeset	446 print ('The code ran for %f minutes' % ((end_time-start_time)/60.))
4f37755d301b Refait stacked_dae.py en utilisant le dataset complet shared (juste reparti à 0 à partir du code du tutoriel), et préparé pour utiliser NIST (pas testé) fsavard parents: 114 diff changeset	447
114 0b4080394f2c Added stacked DAE code for my experiments, based on tutorial code. Quite unfinished. fsavard parents: diff changeset	448
0b4080394f2c Added stacked DAE code for my experiments, based on tutorial code. Quite unfinished. fsavard parents: diff changeset	449 if __name__ == '__main__':
119 4f37755d301b Refait stacked_dae.py en utilisant le dataset complet shared (juste reparti à 0 à partir du code du tutoriel), et préparé pour utiliser NIST (pas testé) fsavard parents: 114 diff changeset	450 import sys
4f37755d301b Refait stacked_dae.py en utilisant le dataset complet shared (juste reparti à 0 à partir du code du tutoriel), et préparé pour utiliser NIST (pas testé) fsavard parents: 114 diff changeset	451 args = sys.argv[1:]
4f37755d301b Refait stacked_dae.py en utilisant le dataset complet shared (juste reparti à 0 à partir du code du tutoriel), et préparé pour utiliser NIST (pas testé) fsavard parents: 114 diff changeset	452 if len(args) > 0 and args[0] == "jobman_add":
4f37755d301b Refait stacked_dae.py en utilisant le dataset complet shared (juste reparti à 0 à partir du code du tutoriel), et préparé pour utiliser NIST (pas testé) fsavard parents: 114 diff changeset	453 jobman_add()
4f37755d301b Refait stacked_dae.py en utilisant le dataset complet shared (juste reparti à 0 à partir du code du tutoriel), et préparé pour utiliser NIST (pas testé) fsavard parents: 114 diff changeset	454 else:
4f37755d301b Refait stacked_dae.py en utilisant le dataset complet shared (juste reparti à 0 à partir du code du tutoriel), et préparé pour utiliser NIST (pas testé) fsavard parents: 114 diff changeset	455 sgd_optimization_mnist(dataset=MNIST_LOCATION)
114 0b4080394f2c Added stacked DAE code for my experiments, based on tutorial code. Quite unfinished. fsavard parents: diff changeset	456

Mercurial > ift6266

annotate scripts/stacked_dae.py @ 119:4f37755d301b