Introduction

ChainerはPythonで動きます。
学習はPythonで良くてもシステムに組み込む際にPythonは聊か都合が悪いです。
なので、学習結果であるモデルファイルをPython以外の言語で扱えるように、共通データフォーマットである ONNX (Open Neural Network Exchange) に変換してみます。

How to

シンプルなMNISTのサンプルで生成されるモデルファイルを変換してみます。
まずはChainerの環境を構築。Windows上の仮想環境を想定。

環境構築

taktak.jp
開発メモ その154 Chainer with CUDA for Windowsを使う · A certain engineer "COMPLEX"
https://taktak.jp/2018/11/17/3865
Introduction以前、CUDAを含むChainerのインストール手法を書きましたが、もう少しわかりやすく整理しました。 ResolutionCUDA_PATHの確認Chainerで利用するCUDAを確認します。 12345> set CUDA_PATHCUDA_…

を参考にし、下記のコマンドを実行します。

1
2
3
4
5
> python -m pip install --upgrade pip
> python -m pip install cupy==5.3.0
> python -m pip install cupy-cuda92==5.3.0
> python -m pip install chainer==5.3.0
> python -m pip install onnx-chainer

インストール後はCUDAを認識しているかを確認します。

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
> python -c "import chainer; chainer.print_runtime_info()"
latform: Windows-10-10.0.17763-SP0
Chainer: 5.3.0
NumPy: 1.16.2
CuPy:
  CuPy Version          : 5.3.0
  CUDA Root             : C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.2
  CUDA Build Version    : 9020
  CUDA Driver Version   : 10000
  CUDA Runtime Version  : 9020
  cuDNN Build Version   : 7402
  cuDNN Version         : 7402
  NCCL Build Version    : None
  NCCL Runtime Version  : None
iDeep: Not Available

学習と変換

ソースをクローンし、train_mnist.pyを修正します。

1
2
3
4
> git clone https://github.com/chainer/chainer
> cd chainer
> git checkout v5.3.0
> cd examples\\mnist

修正前はモデルファイルを出力しないためです。
修正は下記2箇所。

箇所1

1
2
3
4
5
6
7
8
9
10
11
12
13
#!/usr/bin/env python
import argparse

import chainer
import chainer.functions as F
import chainer.links as L
from chainer import training
from chainer.training import extensions

+ import os
+ from chainer import serializers
+ import onnx_chainer
+ import cupy as xp

箇所2

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
    if args.resume:
        # Resume from a snapshot
        chainer.serializers.load_npz(args.resume, trainer)

    # Run the training
    trainer.run()

+    model_file = os.path.join(args.out, 'mnist.model')
+    onnx_file = os.path.join(args.out, 'mnist.onnx')
+    serializers.save_npz(model_file, model)
+    chainer.config.train = False
+    # ダミーデータ
+    x = xp.zeros((1, 1, 28, 28), dtype=xp.float32)
+    onnx_chainer.export(model.predictor, x, filename=onnx_file)

if __name__ == '__main__':
    main()

下記を実行します。

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
> python train_mnist.py --gpu 0
GPU: 0
# unit: 1000
# Minibatch-size: 100
# epoch: 20

Downloading from http://yann.lecun.com/exdb/mnist/train-images-idx3-ubyte.gz...
Downloading from http://yann.lecun.com/exdb/mnist/train-labels-idx1-ubyte.gz...
Downloading from http://yann.lecun.com/exdb/mnist/t10k-images-idx3-ubyte.gz...
Downloading from http://yann.lecun.com/exdb/mnist/t10k-labels-idx1-ubyte.gz...
D:\Works\Python\envs\Chainer_5.3.0\lib\site-packages\chainer\training\extensions\plot_report.py:25: UserWarning: matplotlib is not installed on your environment, so nothing will be plotted at this time. Please install matplotlib to plot figures.

  $ pip install matplotlib

  warnings.warn('matplotlib is not installed on your environment, '
epoch       main/loss   validation/main/loss  main/accuracy  validation/main/accuracy  elapsed_time
1           0.189437    0.0972368             0.94235        0.9701                    8.70826
2           0.0736203   0.0654                0.977182       0.9789                    11.5016
3           0.0483072   0.0657967             0.984433       0.9786                    13.9685
4           0.0344889   0.0775722             0.988614       0.9779                    16.4064
5           0.0307565   0.073484              0.990132       0.9808                    18.8182
6           0.0247791   0.0676734             0.991932       0.981                     21.2477
7           0.0187978   0.0756141             0.993648       0.9822                    23.7888
8           0.0151227   0.0729054             0.994965       0.9836                    26.2349
9           0.0162507   0.09349               0.994649       0.9805                    28.6772
10          0.0186082   0.07771               0.994565       0.983                     31.1291
11          0.0121478   0.0878187             0.996282       0.9829                    33.575
12          0.0139532   0.103692              0.995515       0.9803                    36.1334
13          0.0128902   0.0869704             0.996015       0.9812                    38.5139
14          0.00887171  0.0960986             0.997182       0.9807                    40.966
15          0.00950978  0.0941747             0.997016       0.9835                    43.492
16          0.0117687   0.112775              0.996632       0.9805                    45.8972
17          0.012322    0.109815              0.996782       0.9803                    48.2932
18          0.00880352  0.10031               0.997383       0.9818                    50.731
19          0.00929279  0.118552              0.997365       0.979                     53.3326
20          0.00607901  0.0849677             0.99825        0.9852

学習の結果、result\mnist.modelとresultmnist.onnxが出力されています。