Q&A
コメントがたくさんついていますが、どこがわからないのでしょうか？もう少し具体的にお願いします。
###前提・実現したいこと
これからkerasを学ぼうと思い、調べていました
こちらのソースの仕組み、処理の仕組み、どのように動いているか教えていただけませんか？
それと何を元にパーセンテージ表示しているのかも教えていただけると助かります。
###発生している問題・エラーメッセージ
エラーメッセージ
###該当のソースコード
from keras.models import Sequential
from keras.layers import Activation, Dense, Dropout, Convolution2D, Flatten, MaxPooling2D
from keras.utils.np_utils import to_categorical
from keras.optimizers import Adagrad
from keras.optimizers import Adam
import numpy as np
from PIL import Image
import os
学習用のデータを作る.
image_list = []
label_list = []
./data/train 以下のorange,appleディレクトリ以下の画像を読み込む。
for dir in os.listdir("data/train"):
if dir == ".DS_Store":
continue
dir1 = "data/train/" + dir label = 0 if dir == "kisenosato": # 稀勢の里はラベル0 label = 0 elif dir == "hashimoto": # 橋本環奈はラベル1 label = 1 elif dir == "hirose": # 広瀬すずはラベル2 label = 2 for file in os.listdir(dir1): if file != ".DS_Store": # 配列label_listに正解ラベルを追加(稀勢の里:0 橋本環奈:1 広瀬すず:2) label_list.append(label) filepath = dir1 + "/" + file # 画像を100x100pixelに変換し、1要素が[R,G,B]3要素を含む配列の100x100の２次元配列として読み込む。 # [R,G,B]はそれぞれが0-255の配列。 image = np.array(Image.open(filepath).resize((100, 100))) print(filepath) # 配列を変換し、[[Redの配列],[Greenの配列],[Blueの配列]] のような形にする。 image = image.transpose(2, 0, 1) print(image.shape) # 出来上がった配列をimage_listに追加。 image_list.append(image / 255.)
kerasに渡すためにnumpy配列に変換。
image_list = np.array(image_list)
ラベルの配列を1と0からなるラベル配列に変更
0 -> [1,0,0], 1 -> [0,1,0] という感じ。
Y = to_categorical(label_list)
モデルを生成してニューラルネットを構築
model = Sequential()
model.add(Convolution2D(32, 3, 3, border_mode='same', input_shape=(3, 100, 100)))
model.add(Activation("relu"))
model.add(Convolution2D(32, 3, 3))
model.add(Activation("relu"))
model.add(MaxPooling2D(pool_size=(2, 2), border_mode=("same")))
model.add(Dropout(0.25))
model.add(Flatten())
model.add(Dense(200))
model.add(Activation("relu"))
model.add(Dropout(0.2))
model.add(Dense(200))
model.add(Activation("relu"))
model.add(Dropout(0.2))
model.add(Dense(3))
model.add(Activation("softmax"))
オプティマイザにAdamを使用
opt = Adam(lr=0.0001)
モデルをコンパイル
model.compile(loss="categorical_crossentropy", optimizer=opt, metrics=["accuracy"])
学習を実行。10%はテストに使用。
model.fit(image_list, Y, nb_epoch=1000, batch_size=25, validation_split=0.1)
テスト用ディレクトリ(./data/train/)の画像でチェック。正解率を表示する。
total = 0.
ok_count = 0.
for dir in os.listdir("data/test"):
if dir == ".DS_Store":
continue
dir1 = "data/test/" + dir label = 0 if dir == "kisenosato": label = 0 elif dir == "hashimoto": label = 1 elif dir == "hirose": label = 2 for file in os.listdir(dir1): if file != ".DS_Store": label_list.append(label) filepath = dir1 + "/" + file image = np.array(Image.open(filepath).resize((100, 100))) print(filepath) image = image.transpose(2, 0, 1) result = model.predict_classes(np.array([image / 255.])) print("label:", label, "result:", result[0]) total += 1. if label == result[0]: ok_count += 1.
print("seikai: ", ok_count / total * 100, "%")
###試したこと
課題に対してアプローチしたことを記載してください
###補足情報(言語/FW/ツール等のバージョンなど)
より詳細な情報
申し訳ありません。ネットからソースを直接貼ってしまいコメントもついてきてしまいました。このソースがどのように動いているかがなんとなくでしか理解できませんでした。画像を読み込み、色での配列に変換しkerasが読み込めるようにnumpy配列に変換。そのあとの処理がよく理解できていません。それと最後の正解率の表示と書いてありますが、別の画像を入れ動かしてみたのですが、正解率の数字と実際に数えてみて出したパーセンテージが一致しなかったので、何を元にしてパーセンテージを表示しているのかがわからなかったため質問させていただきました。
こちらを参照してmarkdown記法を使ってもう一度コードを貼り直してもらえますか。https://teratail.com/help#about-supportenvironment (コードを入力の部分です)
知りたいことはpythonの実装の関連することでしょうか？また深層学習についてはどれほど理解しているのでしょうか？
返信遅れてしまい申し訳ありませんでした。知りたいことはこのソースが上からどのような手順で動いているか、です。画像の読み込みまでは理解できているのですが、ニューラルネット形成の上で”model.add(Flatten())”から下の動きがよくわからなかったのと、テストのは方の処理が知りたかったことです。深層学習につきませしては勉強を始めたばかりでまだ深く理解はしていません。ですが頂いたじねっbちでわからないことがあれば自分で調べたいと思うので、私の理解を気にせずに解説をしていただけますと助かります。
頂いた質問でわからない、が正しいコメントです。誤字申し訳ありません。
あなたの回答
tips
プレビュー
