RevNet迷路

可逆ニューラル層を組んで入力を再構成する迷路

RevNet は 順方向計算 f(x) と 逆方向計算 f⁻¹(y) が必ず厳密に対応する可逆ネットワーク。各層を選んで積み上げ、入力ベクトルを変換した出力から「逆順に層を遡る」と完全に元に戻ること—— これが可逆性です。横山研の RevNet プロジェクトを「層を組んで通す」だけで体感する迷路。

STAGE 1 / 6 入門：入力を取り戻せ — 入力 [1, 2] と一致する逆出力を得よ

ネットワーク構成

入力 x

—

順 f(x)

—

逆 f⁻¹(y)

—

層を選び、順伝播→逆伝播で入力に戻ることを確かめよ。

誤差視覚化

再構成誤差

—

層数

可逆性

—

操作

画面左の + Add + Mul + Swap + Rotate + Coupling をクリックして層を追加。各層の × で削除。順 → 逆を実行 で順伝播後にそのまま逆順で層を巻き戻し、再構成誤差を計測する。 Forward/Backward モードでベクトルの軌跡をキャンバスに描画。

可逆計算の核：順 f を実行したあと「同じ層を逆順に逆関数で適用」すれば誤差は厳密にゼロ。非可逆な変換（例：絶対値、量子化）を入れた瞬間にゼロは崩れる——それを目で見るゲーム。