이 저장소(Repository)는 「Forward-Forward 알고리즘 구현」에 대한 내용을 다루고 있습니다.

---

작성자: YAGI

최종 수정일: 2023-03-15

• 2023.03.13: 코드 작성 완료
• 2023.03.15: README 작성 완료
• 2023.03.15: 프로젝트 종료

---

---

• 프로젝트 기간: 2023-03-01 ~ 2023-03-15

---

---

• 해당 프로젝트는 Geoffrey Hinton의 「The Forward-Forward Algorithm: Some Preliminary Investigations」(2022)를 바탕으로 하고 있습니다.
• 해당 프로젝트는 「pytorch_forward_forward」(2023)을 참조하여 작성하였습니다.

Geoffrey Hinton. The Forward-Forward Algorithm: Some Preliminary Investigations. ArXiv, 2212.13345v1, 2022.

"pytorch_forward_forward". github. last commit Jan 17, 2023, https://github.com/mohammadpz/pytorch_forward_forward.

---

프로젝트 요약

   본 프로젝트는 Geoffrey Hinton이 제시한 Forward-Forward 알고리즘과 Back Propagation 알고리즘의 MNIST 데이터셋에 대한 정확도를 비교하는 것을 목표로 한다. 두 알고리즘 모두 '784-100-10' 형태의 Fully-Connected 층으로 이루어진 모델을 사용하였으며, 배치 크기는 16으로 설정하고 학습률이 0.1인 확률적 경사 하강법(SGD)으로 총 10회 학습하였다. figure 1은 학습에 따른 테스트 데이터셋에 대한 두 알고리즘의 정확도(Accuracy)를 제시한 것이다.

figure 1. Accuracy on MNIST Test Set

Getting Start

매개변수 확인하기

$ python main.py -h

    --mode {INFERENCE,TRAIN}
    --ff_dims FF_DIMS [FF_DIMS ...]
    --bp_dims BP_DIMS [BP_DIMS ...]
    --epoch EPOCH
    --train_batch_size TRAIN_BATCH_SIZE
    --test_batch_size TEST_BATCH_SIZE
    --optimizer {SGD,ADAM}
    --lr LR
    --device {CPU,CUDA}
    --seed SEED

(1) Train Model

• 학습이 종료되면 figures 폴더에 figure1_accuracy_on_testset.png 파일이 저장된다.
• 학습이 종료되면 trained_model 폴더에 FF 알고리즘 모델과 BP 알고리즘 모델이 저장된다.

$ python main.py --mode TRAIN

(2) Inference Model

$ python main.py --mode INFERENCE

>>>
    + Accuracy on MNIST Test Set
        FF Model: 0.905
        BP Model: 0.974

---

개발 환경

Language: Python 3.9.12

Library

+ matplotlib 3.6.2
+ pytorch 1.12.0
+ tqdm 4.64.1

License

This project is licensed under the terms of the MIT license.