python - Chainer - Python - 逻辑回归

Question

我使用 Python 和 Chainer 创建了一个简单的逻辑回归模型，但我对最终结果并不完全满意。因此，我想得到一些帮助。一个限制:我不想用已经存在的功能来交换已实现的功能。我知道 Chainer 中有一些损失函数，其效果几乎相同，但我正在创建的更复杂的模型正在使用自定义损失函数。代码可以在这里找到:

https://gist.github.com/kmjjacobs/62fc96ece695b47af8d667b060a64559

我希望保持模型代码尽可能干净，但正如您所看到的，call方法是到损失方法的转发，我怀疑有一种更干净的方法来调用训练循环中的损失方法。我认为如果 call 方法输出预测并且有一个单独的损失方法来计算损失，那么会更干净。您对此有何看法？

我也不确定转换器的功能。有没有更好的方法来达到相同的结果？

您对编写 Chainer 代码有什么评论或最佳实践吗？

提前致谢!

Answer 1

首先您的主要问题是什么？分别定义损失函数和预测函数的最佳方法？

我查看了您的代码，我认为 init_scope 的功能在 Link 和 Chain 之间是不同的。为此，您不能使用它在 Chain 中注册可学习参数。 (您当前使用的是Link，而不是Chain。)

Link中的

• init_scope用于注册参数， https://docs.chainer.org/en/stable/tutorial/function.html#links-that-wrap-functions https://github.com/chainer/chainer/blob/master/chainer/link.py#L197

Chain中的

• init_scope用于注册其他链接， https://docs.chainer.org/en/stable/tutorial/basic.html#write-a-model-as-a-chain https://github.com/chainer/chainer/blob/master/chainer/link.py#L675

就您而言，我认为您可以将chainer.links.Linear用于您的LogisticRegressionModel，或者您可以定义自己的Link具有可学习参数 W 的类，并在您的 LogisticRegressionModel 中使用这个自己的 link 类。