интервьюер: Приветствую, хотите кофе или что-нибудь еще? Нужен перерыв?
я: Нет, кажется я уже выпил достаточно кофе!
интервьюер: Отлично, отлично. Как вы относитесь к написанию кода на доске?
я: Я только так код и пишу!
интервьюер: ...
я: Это была шутка.
интервьюер: OK, итак, вам знакома задача "fizz buzz"?
я: ...
интервьюер: Это было да или нет?
я: Это что-то вроде "Не могу поверить, что вы меня об этом спрашиваете."
интервьюер: OK, значит, нужно напечатать числа от 1 до 100, только если число делится нацело на 3, напечатать слово "fizz", если на 5 — "buzz", а если делится на 15, то — "fizzbuzz".
я: Я знаю эту задачу.
интервьюер: Отлично, кандидаты, которые не могут пройти эту задачу, у нас не сильно уживаются.
я: ...
интервьюер: Вот маркет и губка.
я: [задумался на пару минут]
интервьюер: Вам нужна помощь, чтобы начать?
я: Нет, нет, все в порядке. Итак, начнем с пары стандартных импортов:
import numpy as np
import tensorflow as tf
интервьюер: Эм, вы же правильно поняли проблему в fizzbuzz, верно?
я: Так точно. Давайте обсудим модели. Я думаю тут подойдет простой многослойный перцептрон с одним скрытым слоем.
интервьюер: Перцептрон?
я: Или нейронная сеть, как вам угодно будет называть. Мы ходим чтобы на вход приходило число, а на выходе была корректное "fizzbuzz" представление этого числа. В частности, мы хотим превратить каждый вход в вектор "активаций". Одним из простых способов может быть конвертирование в двоичный вид.
интервьюер: Двоичный вид?
я: Да, ну, знаете, единицы и нули? Что-то вроде:
def binary_encode(i, num_digits):
return np.array([i >> d & 1 for d in range(num_digits)])
интервьюер: [смотрит на доску с минуту]
я: И нашим выходом будет унитарное кодирование fizzbuzz представления числа, где первая позиция означает "напечатать как есть", второе означает "fizz" и так далее.
def fizz_buzz_encode(i):
if i % 15 == 0: return np.array([0, 0, 0, 1])
elif i % 5 == 0: return np.array([0, 0, 1, 0])
elif i % 3 == 0: return np.array([0, 1, 0, 0])
else: return np.array([1, 0, 0, 0])
интервьюер: OK, этого, кажется, достаточно.
я: Да, вы правы, этого достаточно для настройки. Теперь нам нужно сгенерировать данные для тренировки сети. Это будет нечестно использовать числа от 1 до 100 для тренировки, поэтому давайте натренируем на всех оставшихся числах вплоть до 1024:
NUM_DIGITS = 10
trX = np.array([binary_encode(i, NUM_DIGITS) for i in range(101, 2 ** NUM_DIGITS)])
trY = np.array([fizz_buzz_encode(i) for i in range(101, 2 ** NUM_DIGITS)])
интервьюер: ...
я: Теперь нужно нашу модель нужно адаптировать для tensorflow. Сходу я не сильно уверен сколько скрытых юнитов использовать, может 10?
интервьюер: ...
я: Да, пожалуй 100 будет лучше. Мы всегда можем изменить это позже:
NUM_HIDDEN = 100
Нам понадобится входная переменная шириной в NUM_DIGITS, и выходная переменная с шириной в 4:
We'll need an input variable with width NUM_DIGITS, and an output variable with width 4:
X = tf.placeholder("float", [None, NUM_DIGITS])
Y = tf.placeholder("float", [None, 4])
интервьюер: Как далеко вы планируете зайти с этим?
я: Ах, всего два слоя — один скрытый слой и один слой для вывода. Давайте используем случайно-инициализированные веса для наших нейронов:
def init_weights(shape):
return tf.Variable(tf.random_normal(shape, stddev=0.01))
w_h = init_weights([NUM_DIGITS, NUM_HIDDEN])
w_o = init_weights([NUM_HIDDEN, 4])
И мы готовы определить нашу модель. Как я сказал ранее, один скрытый слой, и, давайте используем, ну, не знаю, ReLU активацию:
def model(X, w_h, w_o):
h = tf.nn.relu(tf.matmul(X, w_h))
return tf.matmul(h, w_o)
Мы можем использоваться softmax кросс-энтропию как нашу функцию стоимости и попробовать минимизировать ее:
We can use softmax cross-entropy as our cost function and try to minimize it:
py_x = model(X, w_h, w_o)
cost = tf.reduce_mean(tf.nn.softmax_cross_entropy_with_logits(py_x, Y))
train_op = tf.train.GradientDescentOptimizer(0.05).minimize(cost)
интервьюер: ...
я: И, конечно, предсказание будет просто наибольшим выходом:
predict_op = tf.argmax(py_x, 1)
интервьюер: Пока вы не заблудились, проблема, которую вы должны были решить это генерация fizz buzz для чисел от 1 до 100.
я: Ох, отличное замечание, predict_op функция вернет число от 0 до 3, но мы же хотим "fizz buzz" вывод:
def fizz_buzz(i, prediction):
return [str(i), "fizz", "buzz", "fizzbuzz"][prediction]
интервьюер: ...
я: Теперь мы готовы натренировать модель. Поднимем tensorflow сессию и проинициализируем переменные:
with tf.Session() as sess:
tf.initialize_all_variables().run()
Запустим, скажем, 1000 эпох тренировки?
интервьюер: ...
я: Да, наверное этого будет мало — пусть будет 10000, чтобы наверняка.
Ещё, наши данные для тренировки последовательны, что мне не нравится, так что давайте размешаем их на каждой итерации:
for epoch in range(10000):
p = np.random.permutation(range(len(trX)))
trX, trY = trX[p], trY[p]
И, каждая эпоха будет тренировать в пачках по, я не знаю, ну пусть 128 входов.
BATCH_SIZE = 128
В итоге, каждый проход будет выглядеть так:
for start in range(0, len(trX), BATCH_SIZE):
end = start + BATCH_SIZE
sess.run(train_op, feed_dict={X: trX[start:end], Y: trY[start:end]})
и потом мы можем вывести погрешность тренировочных данных, ведь почему бы и нет?
print(epoch, np.mean(np.argmax(trY, axis=1) ==
sess.run(predict_op, feed_dict={X: trX, Y: trY})))
интервьюер: Вы серьёзно?
я: Да, мне кажется это очень полезно видеть, как прогрессирует точность.
интервьюер: ...
я: Итак, после того, как модель натренирована, время fizz buzz. Наш вход будет всего лишь двоичное кодирование числе от 1 до 100:
numbers = np.arange(1, 101)
teX = np.transpose(binary_encode(numbers, NUM_DIGITS))
И затем, наше вывод это просто fizz_buzz функция, применённая к выходной модели:
And then our output is just our fizz_buzz function applied to the model output:
teY = sess.run(predict_op, feed_dict={X: teX})
output = np.vectorize(fizz_buzz)(numbers, teY)
print(output)
интервьюер: ...
я: И это будет ваш fizz buzz!
интервьюер: Этого достаточно, правда. Мы с вами свяжемся.
я: Свяжемся, звучит многообещающе.
интервьюер: ...
Постскриптум
Я не получил эту работу. Но я попробовал на самом деле запустить этот код (код на Github), и, оказалось, что он даёт несколько неправильный вывод! Большое спасибо, машинное обучение!
In [185]: output
Out[185]:
array(['1', '2', 'fizz', '4', 'buzz', 'fizz', '7', '8', 'fizz', 'buzz',
'11', 'fizz', '13', '14', 'fizzbuzz', '16', '17', 'fizz', '19',
'buzz', '21', '22', '23', 'fizz', 'buzz', '26', 'fizz', '28', '29',
'fizzbuzz', '31', 'fizz', 'fizz', '34', 'buzz', 'fizz', '37', '38',
'fizz', 'buzz', '41', '42', '43', '44', 'fizzbuzz', '46', '47',
'fizz', '49', 'buzz', 'fizz', '52', 'fizz', 'fizz', 'buzz', '56',
'fizz', '58', '59', 'fizzbuzz', '61', '62', 'fizz', '64', 'buzz',
'fizz', '67', '68', '69', 'buzz', '71', 'fizz', '73', '74',
'fizzbuzz', '76', '77', 'fizz', '79', 'buzz', '81', '82', '83',
'84', 'buzz', '86', '87', '88', '89', 'fizzbuzz', '91', '92', '93',
'94', 'buzz', 'fizz', '97', '98', 'fizz', 'fizz'],
dtype='<U8')
Наверное, нужно взять более глубокую нейронную сеть.
Автор: divan0