###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
あなたの回答
tips
プレビュー