【deep learning学习笔记】注释yusugomori的SDA代码 -- Sda.cpp -- 模型测试

测试代码如下：

void test_sda() 
{
  	srand(0);

  	double pretrain_lr = 0.1;
  	double corruption_level = 0.3;
  	int pretraining_epochs = 1000;
  	double finetune_lr = 0.1;
  	int finetune_epochs = 500;

  	int train_N = 10;
  	int test_N = 4;
  	int n_ins = 28;
  	int n_outs = 2;
  	int hidden_layer_sizes[] = {15, 15};
  	int n_layers = sizeof(hidden_layer_sizes) / sizeof(hidden_layer_sizes[0]);

  	// training data
  	int train_X[10][28] = {
	    {1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0},
	    {0, 1, 1, 1, 1, 0, 1, 1, 1, 1, 1, 1, 1, 1, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0},
	    {1, 1, 0, 1, 1, 1, 0, 1, 1, 1, 1, 1, 0, 1, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0},
	    {0, 1, 1, 1, 1, 1, 1, 1, 0, 0, 1, 1, 1, 1, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0},
	    {1, 1, 0, 0, 1, 1, 1, 1, 1, 1, 1, 1, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0},
	    {0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1},
	    {0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 1, 0, 1, 1, 1, 1, 1, 1, 1, 1, 0, 1, 0, 1},
	    {0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 1, 1, 0, 1, 1, 1, 1, 1, 0, 1, 1, 0, 1, 1},
	    {0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 1, 1, 1, 1, 0, 0, 1, 1, 1, 1, 0, 1, 1, 1},
	    {0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 1, 1, 1, 1, 1, 1, 1, 1, 0, 1, 1, 1, 1}
  	};

	int train_Y[10][2] = {
	    {1, 0},
	    {1, 0},
	    {1, 0},
	    {1, 0},
	    {1, 0},
	    {0, 1},
	    {0, 1},
	    {0, 1},
	    {0, 1},
	    {0, 1}
 	};

  	// construct SdA
  	SdA sda(train_N, n_ins, hidden_layer_sizes, n_outs, n_layers);

  	// pretrain
  	sda.pretrain(*train_X, pretrain_lr, corruption_level, pretraining_epochs);

  	// finetune
  	sda.finetune(*train_X, *train_Y, finetune_lr, finetune_epochs);


	// test data
 	int test_X[4][28] = {
	    {1, 1, 1, 1, 1, 1, 0, 1, 0, 1, 1, 1, 1, 1, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0},
	    {1, 1, 1, 1, 1, 0, 1, 0, 1, 1, 0, 1, 1, 1, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0},
	    {0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 1, 1, 1, 1, 0, 0, 1, 1, 0, 1, 1, 1, 1, 1},
	    {0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 1, 1, 1, 1, 1, 1, 0, 1, 1, 1, 1, 1, 1, 1}
  	};

	// double test_Y[4][28]; // bug!!
      double test_Y[4][2]; // there are only two possible labels for each test sample

  	// test
  	for(int i=0; i<test_N; i++) 
  	{
    	sda.predict(test_X[i], test_Y[i]);
    	for(int j=0; j<n_outs; j++) 
		{
      		printf("%.5f ", test_Y[i][j]);
    	}
    	cout << endl;
  	}
  
}

int main() 
{
  	test_sda();
  	
  	getchar();
  	return 0;
}

可以看到，模型先用训练集训练，然后给出测试集合，预测测试集合的label概率。期间又改了一个bug，不过这个bug无伤大雅。观察训练集合和对应的标签，发现输入sample的向量中，前半部分如果‘1’很多，则第一个标签很有可能是‘1’；否则，后一个标签很有可能是‘1’。

运行结果：

如果predict函数中的那个bug没有改过来（参见上一篇博文），则结果为：

0.34653 0.65347
0.34632 0.65368
0.18838 0.81162
0.28590 0.71410

如果predict函数中的那个bug按照我现在写的修正，则运行结果为：

0.99194 0.00806
0.99194 0.00806
0.00853 0.99147
0.00853 0.99147

后面这一组数更“好看”些，毕竟两个类别的差距分得更开。

不过在运行源程序的时候，还是有bug，windows发生段错误，可以预计是在写内存的时候，把test_sda函数的调用栈给破坏了。暂时没找到是哪个地方造成的。