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交换已实现的功能。我知道 Chainer 中有损失函数，它们的结果几乎相同，但我正在创建的更复杂的模型是使用自定义损失函数。代码可在此处找到：

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

我想保持模型代码尽可能干净，但如您所见，call 方法是对损失方法的转发，我怀疑有一个在训练循环中调用损失方法的更简洁方法。我认为如果 call 方法输出预测会更清晰，并且有一个单独的损失方法来计算损失。您对此有何看法？

转换器功能我也不是很清楚。有没有更好的方法达到同样的效果？

您对编写 Chainer 代码有什么意见或最佳实践吗？

提前致谢！

Answer 1

首先你的主要问题是什么？分别定义损失函数和预测函数的最佳方式？

我看了你的代码，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。）

• init_scope in Link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

• init_scope in Chain用于注册其他links, 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

在你的情况下，我认为你可以只使用 chainer.links.Linear 到你的 LogisticRegressionModel，或者你可以定义你自己的 Link class，它具有可学习的参数 W 并在 LogisticRegressionModel.

中使用自己的 link class