0. はじめに RBMはDeep Learningで多層化する場合に、事前学習として用いられる手法です。 ソースコードはtheanoで公開されています。 http://deeplearning.net/tutorial/rbm.html 今回はこのコードをchainerに移植してみました。 RBMの場合、誤差関数はFree Energyの関数となり複雑(?)ですが 逆誤差伝搬のため重み行列、バイアスの変数で微分すると綺麗な計算式となり、 Contrastive Divergence(CD)処理の値から計算できます。 chainerで実装する場合、わざわざ誤差関数(loss)を作成して逆誤差伝搬(loss.backward)するよりも、 単純にcupy(numpy+GPU)で実装したほうが単純となりますが、あえて誤差関数を使って実装してみました。 cupy(numpy+GPU)だけのソースコ
![chainerでRBMを実装してみる。 - Qiita](https://cdn-ak-scissors.b.st-hatena.com/image/square/9ea9149d167b57faafd00cc397ba85eb9dcb20a4/height=288;version=1;width=512/https%3A%2F%2Fqiita-user-contents.imgix.net%2Fhttps%253A%252F%252Fcdn.qiita.com%252Fassets%252Fpublic%252Farticle-ogp-background-412672c5f0600ab9a64263b751f1bc81.png%3Fixlib%3Drb-4.0.0%26w%3D1200%26mark64%3DaHR0cHM6Ly9xaWl0YS11c2VyLWNvbnRlbnRzLmltZ2l4Lm5ldC9-dGV4dD9peGxpYj1yYi00LjAuMCZ3PTk3MiZoPTM3OCZ0eHQ9Y2hhaW5lciVFMyU4MSVBN1JCTSVFMyU4MiU5MiVFNSVBRSU5RiVFOCVBMyU4NSVFMyU4MSU5NyVFMyU4MSVBNiVFMyU4MSVCRiVFMyU4MiU4QiVFMyU4MCU4MiZ0eHQtYWxpZ249bGVmdCUyQ3RvcCZ0eHQtY29sb3I9JTIzMjEyMTIxJnR4dC1mb250PUhpcmFnaW5vJTIwU2FucyUyMFc2JnR4dC1zaXplPTU2JnM9YjYyODQ5N2FiMWY3MmViOTIyZjFjOTMwYjViZWM1MjE%26mark-x%3D142%26mark-y%3D57%26blend64%3DaHR0cHM6Ly9xaWl0YS11c2VyLWNvbnRlbnRzLmltZ2l4Lm5ldC9-dGV4dD9peGxpYj1yYi00LjAuMCZoPTc2Jnc9NzcwJnR4dD0lNDB2b3lhZ2VyJnR4dC1jb2xvcj0lMjMyMTIxMjEmdHh0LWZvbnQ9SGlyYWdpbm8lMjBTYW5zJTIwVzYmdHh0LXNpemU9MzYmdHh0LWFsaWduPWxlZnQlMkN0b3Amcz04YzEyZjc2M2ZmYmU3MjBhZDJhZjg0M2MyOTBlMWRjZA%26blend-x%3D142%26blend-y%3D486%26blend-mode%3Dnormal%26s%3Db5d11534ba08249762aebd3bf218b4a4)