/
training_MNIST_deluxe.py
64 lines (58 loc) · 2.67 KB
/
training_MNIST_deluxe.py
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
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
#####################################################################
# Description: treinamento baseado em fatoracao nao negativa
# para classificacao de digitos manuscritos utilizando
# a database MNIST
# Automatizado para:
# ndig 100, 1000, 4000 imagens
# p 5, 10, 15
# Dependencies: time, argparse, math, nnmf.py
# Usage: training_MNIST_deluxe.py --t
# Optional arguments:
# --t, --times guarda o tempo de treinamento para cada digito
# Post-Condition: armazena as matrizes Wd decompostas para cada
# digito
#
# Authors: Carlo Bellinati & Rafael Badain @ University of Sao Paulo
#####################################################################
# Dependencies
import numpy as np
import argparse
import time
import math
from nnmf import nao_negativa
# Decompoe A = Wd*H por fatoracao nao negativa
def treino(ndig_treino, p, d):
convergencia = [False, 100] # pode mudar
a = np.loadtxt("dados_mnist/train_dig" + str(d) + ".txt", usecols=range(ndig_treino)) / 255
decomp = nao_negativa(a, p, convergencia)
return decomp[0] # é a matriz Wd
# Argument Parsing
parser = argparse.ArgumentParser(description='Decompoe um conjunto de imagens em classificadores, baseado na fatoracao nao negativa')
parser.add_argument('--t', '--times', default=False, action='store_true', help='guarda o tempo de treinamento para cada digito')
args = parser.parse_args()
ndig = [100, 1000, 4000]
componentes = [5, 10, 15]
# Grava o tempo despendido no treinamento para cada digito
if(args.t):
for ndig_treino in ndig:
for p in componentes:
t = open("output/train_times_" + str(ndig_treino) + "_" + str(p) +".txt", "w")
t.write("Tempos para o treinamento de cada digito (em s):\nndig_treino: "+str(ndig_treino)+" p: "+str(p)+"\n")
# Gera a matriz wd para cada digito
start_total = time.time()
for d in range(10):
start = time.time()
wd = treino(ndig_treino, p, d)
elapsed_time = time.time() - start
t.write("d" + str(d) + ": " + str(elapsed_time) + "\n")
np.savetxt("output/W_" + str(d) + "_" + str(ndig_treino) + "_" + str(p) + ".txt", wd)
elapsed_total = time.time() - start_total
t.write("total: " + str(elapsed_total))
t.close()
# Executa o treinamento sem computar o tempo de execucao
else:
for ndig_treino in ndig:
for p in componentes:
for d in range(10): # Gera a matriz wd para cada digito
wd = treino(ndig_treino, p, d)
np.savetxt("output/W_" + str(d) + "_" + str(ndig_treino) + "_" + str(p) + ".txt", wd)