Chainer - Python - Logistic回归

Question

我使用Python和Chainer创建了一个简单的Logistic回归模型，但我对最终结果并不完全满意。因此，我想寻求一些帮助。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中有一些丢失函数，这些函数几乎相同，但是我正在创建的一个更复杂的模型是使用自定义的丢失函数。代码在这里找到：

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

我希望尽可能保持模型代码的整洁，但正如您所看到的，调用方法是对丢失方法的转发，我怀疑在训练循环中有一种更干净的方法来调用丢失方法。我认为，如果调用方法输出预测，并且有一个单独的损失方法来计算损失，那就更干净了。你对此有何看法？

我也不确定转换器的功能。是否有更好的方法来实现同样的结果？

对于编写Chainer代码，您有什么备注或最佳实践吗？

提前感谢！

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法是什么？

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，不能使用它在链中注册可学习参数。(当前的用法是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

在您的示例中，我认为您可以将chainer.links.Linear用于您的LogisticRegressionModel，也可以定义您自己的Link类，该类具有可学习的参数W，并在您的LogisticRegressionModel中使用自己的link类。