ゼロから作るDeep Learning ❸ ―フレームワーク編

ステップ38形状を変える関数

前ステップでは、テンソルを使った計算でのバックプロパゲーションについて説明しました。そこで学んだことは次のとおりです。

• 要素ごとの演算を行う関数――たとえば、add関数やsin関数など――は、入出力のデータがスカラであることを想定して順伝播と逆伝播を実装できる
• その場合、テンソルを入力してもバックプロパゲーションは正しく成り立つ

これから私たちは、要素ごとの計算を行わない関数について見ていきます。ここでは、その最初のステップとして、2つの関数を実装します。1つ目は、テンソルの形状を整形するreshape関数です。もう1つは、行列の転置を行うtranspose関数です。この2つの関数は、テンソルの形状を変える関数になります。

38.1　reshape関数の実装

それでは、テンソルを整形（リシェイプ）する関数を実装します。まずは前準備として、NumPyのreshape関数の使い方を確認します。これは、np.reshape(x, shape)のように書くことで、xをshapeの形状へと変換します。その使用例を示すと、次のようになります。

import numpy as np

x = np.array([[1, 2, 3], [4, 5, 6]])
y = np.reshape(x, (6,))
print(y)

実行結果

[1, 2, 3, 4, 5, 6]

ここでは、xの形状を(2, 3)から(6,)へと変換しました。テンソルの要素の数は同じですが、その形状だけが変わります。それでは、DeZero版のreshape関数を実装しましょう。ここでの問題は、その逆伝播をどう実装するかということです。

要素ごとの計算を行わない関数については、テンソルの形状を考慮すると、逆伝播の実装が明確になります。具体的には、変数のデータと勾配の形状が一致することを確認します。たとえば、 ...