Neural Network Consoleで作成した学習済モデルをNNablaで実行する方法

1. 方針（Neural Network Consoleがやっていることと同じことをする）
2. Neural Network Console学習済モデルを動かしている方法を調べてみた
3. サーバー上のNNablaで学習済モデルを実行してみた
4. 学習済モデルをサーバー上で動かすことのメリット
5. Neural Network Consoleで作成した学習モデルを動かす手順のまとめ

どうやって動かそうかと考えたところ、Neural Network Consoleがやっていることと同じことをすれば良いと思いまして、今回はNeural Network Consoleでやっていることを調べて、それをNNabla上で手動で動かすという方法で、学習済モデルをNNabla上で動かすことを実現しようと思います。

なお、初めにお断りしておくと、たぶん、ここで紹介するやり方よりもエレガントな方法があると思います。ただ、NNablaを触って日が浅く正直まだあまり理解していないので、まずは、一番？シンプルな方法を取ろうと思います。

1. 実行コマンドはcli.py
   Evaluationを実行したときにNNCが何を動かしているかコンソールに出ていました。NNablaのCLI(コマンドラインインターフェース)であるcli.pyを実行していました。
   
2. 実行コマンド（cli.py）のパラメタ
   cli.pyの実行コマンドも調べてみました。
   
   nntxtはネットワークの定義です。NNCで作成したものをそのまま使えます。
   パラメタファイルは学習済のパラメタです。NNCで作成したものをそのまま使えます。
   データ定義はINPUTデータの定義です。NNCで作成されたものを流用できます。
   出力先のディレクトリは出力結果の出力先です。

さあ。実行方法が分かったので後はこれをサーバーで実行するだけです。

1. nnablaのインストールディレクトリの確認
   Nnablaを実行するにあたり、nnablaのインストールディレクトリを確認しましょう。

   # nnablaのインストールディレクトリ確認
   pip show nnabla
   Name: nnabla
   Version: 0.9.9
   Summary: Neural Network Libraries
   Home-page: https://github.com/sony/nnabla
   Author: UNKNOWN
   Author-email: nnabla@googlegroups.com
   License: Apache Licence 2.0
   Location: /usr/local/python/lib/python3.4/site-packages ← インストールディレクトリ

   なので、cli.pynoのインストールディレクトリは以下になります。
   //usr/local/python/lib/python3.4/site-packages/nnabla/utils/cli/cli.py

2. cli.pyを実行する
   ではcli.pyを実行してみましょう。必要なファイルはNNCから取得してください。
   各ファイルの格納先は前述した通りコンソールログに表示されているので説明を割愛します。

   # cli.pyの実行コマンド例
   python /usr/local/python/lib/python3.4/site-packages/nnabla/utils/cli/cli.py forward -c ./net.nntxt -p ./parameters.h5 -d ./test.csv -o ./OUTPUT

   2018-05-20 00:51:11,546 [nnabla][INFO]: Initializing CPU extension...
   /usr/local/python/lib/python3.4/importlib/_bootstrap.py:321: FutureWarning: Conversion of the second argument of issubdtype from float to np.floating is deprecated. In future, it will be treated as np.float64 == np.dtype(float).type.
   return f(*args, **kwds)
   2018-05-20 00:51:13,506 [nnabla][INFO]: Parameter load (<built-in function format>): ./parameters.h5
   2018-05-20 00:51:13,506 [nnabla][WARNING]: Old-style context. Updating to new format.
   2018-05-20 00:51:13,519 [nnabla][INFO]: DataSource with shuffle(False)
   2018-05-20 00:51:13,521 [nnabla][INFO]: Using DataSourceWithFileCache
   2018-05-20 00:51:13,521 [nnabla][INFO]: DataSource with shuffle(False)
   2018-05-20 00:51:13,521 [nnabla][INFO]: Cache Directory is None
   2018-05-20 00:51:13,521 [nnabla][INFO]: Cache size is 1000
   2018-05-20 00:51:13,523 [nnabla][INFO]: Tempdir for cache /tmp/tmpg6vxe8z0 created.
   2018-05-20 00:51:13,523 [nnabla][INFO]: Creating cache start
   2018-05-20 00:51:13,554 [nnabla][INFO]: Creating cache file /tmp/tmpg6vxe8z0/cache_00000000_00000000.h5
   2018-05-20 00:51:13,556 [nnabla][INFO]: Creating cache end
   2018-05-20 00:51:13,556 [nnabla][INFO]: Using DataSourceWithMemoryCache
   2018-05-20 00:51:13,556 [nnabla][INFO]: DataSource with shuffle(False)
   2018-05-20 00:51:13,561 [nnabla][INFO]: On-memory
   2018-05-20 00:51:13,561 [nnabla][INFO]: Using DataIterator
   2018-05-20 00:51:13,564 [nnabla][Level 99]: data 1 / 1
   2018-05-20 00:51:13,573 [nnabla][Level 99]: Forward Completed.

   さくっと正常終了しました。
   NNCでやっているのと同じことをしただけなので動いて当たり前ですが、すんなり動いて少しびっくりしました。

Neural Network Console上でテスト実行は出来るのに、サーバー上で動かす必要あるの？Neural Network Consoleが実行しているコマンドをただ実行しているだけじゃん。と思った方もいると思います。

やっていることはNeural Network Consoleと変わりません。しかし、Neural Network ConsoleのGUIを使わずに実行できることにメリットがあります。

本当はcli.pyを使わず、pythonから直接実行する方法もあるようですが、自分にはまだ難しいのでcli.pyを使いますが、これだけでもだいぶメリットがあります。
 

【メリット】

1. プログラムから呼び出せる
2. 出力ディレクトリが固定
   NNCから実行するとNNCが日付付きの名前をつけてしまいます。
   出力先が固定なのでツールで結果を取りだすということが用意に出来るようになります。

これにより、自作のWEBサイト等との連動が容易になります。

# ①入力ファイル
cat ./test.csv
x:image,y:9
test.png,0

# ②実行コマンド
python /usr/local/python/lib/python3.4/site-packages/nnabla/utils/cli/cli.py forward -c ./net.nntxt -p ./parameters.h5 -d ./test.csv -o ./OUTPUT

# ③出力結果
cat ./OUTPUT/output_result.csv
x:image,y:9,y'
/home/apl/nnabla/sample/test.png,0,0.9995036125183105