現在、DeepLearningの学習をしています。ゼロから作るDeep Learningを参考に学習しています。しかし、モデルの評価やデータセット内の1画像を分類する例は載っているのですが、肝心の実際に自分が解析したい画像をどのように処理して、どのようにモデルに読み込ませるのかという実践的な部分がありませんでした。また、ネットで調べてみても私の力では見つけることが出来ませんでした。
作成した学習モデルを実際に使ってみるというような内容のことが書かれている本やサイト等はありませんか？回答よろしくお願いします。
作成したコードを載せておきます。
from sklearn.datasets import fetch_mldata
mnist = fetch_mldata('MNIST original', data_home=".")
X = mnist.data / 255
y = mnist.target
import matplotlib.pyplot as plt
plt.imshow(X[0].reshape(28, 28), cmap='gray')
print("This is {:.0f}".format(y[0]))
import torch
from torch.utils.data import TensorDataset, DataLoader
from sklearn.model_selection import train_test_split
X_train, X_test, y_train, y_test = train_test_split(
X, y, test_size=1/7, random_state=0)
X_train = torch.Tensor(X_train)
X_test = torch.Tensor(X_test)
y_train = torch.LongTensor(y_train)
y_test = torch.LongTensor(y_test)
ds_train = TensorDataset(X_train, y_train)
ds_test = TensorDataset(X_test, y_test)
loader_train = DataLoader(ds_train, batch_size=64, shuffle=True)
loader_test = DataLoader(ds_test, batch_size=64, shuffle=False)
from torch import nn
model = nn.Sequential()
model.add_module('fc1', nn.Linear(28*28, 100))
model.add_module('relu1', nn.ReLU())
model.add_module('fc2', nn.Linear(100, 100))
model.add_module('relu2', nn.ReLU())
model.add_module('fc3', nn.Linear(100, 10))
print(model)
from torch import optim
loss_fn = nn.CrossEntropyLoss()
optimizer = optim.Adam(model.parameters(), lr=0.01)
from torch.autograd import Variable
def train(epoch):
model.train()
for data, target in loader_train:
data, target = Variable(data), Variable(target)
optimizer.zero_grad()
output = model(data)
loss = loss_fn(output, target)
loss.backward()
optimizer.step()
print("epoch{}:end\n".format(epoch))
def test():
model.eval()
correct = 0
for data, target in loader_test:
data, target = Variable(data), Variable(target)
output = model(data)
pred = output.data.max(1, keepdim=True)[1]
correct += pred.eq(target.data.view_as(pred)).sum()
data_num = len(loader_test.dataset)
print('\n answer: {}/{} ({:.0f}%)\n'.format(correct,data_num, 100. * correct / data_num))
for epoch in range(3):
train(epoch)
test()
import tensorflow as tf
img_r = tf.read_file("8.png")
read_image = tf.image.decode_image(img_r, channels=3)
data = Variable(read_image)
output = model(data)
pred = output.data.max(0, keepdim=True)[1]
print("I think {}".format(pred))
error:variable data has o be a tensor, but got Tensor
-
気になる質問をクリップする
クリップした質問は、後からいつでもマイページで確認できます。
またクリップした質問に回答があった際、通知やメールを受け取ることができます。
クリップを取り消します
-
良い質問の評価を上げる
以下のような質問は評価を上げましょう
- 質問内容が明確
- 自分も答えを知りたい
- 質問者以外のユーザにも役立つ
評価が高い質問は、TOPページの「注目」タブのフィードに表示されやすくなります。
質問の評価を上げたことを取り消します
-
評価を下げられる数の上限に達しました
評価を下げることができません
- 1日5回まで評価を下げられます
- 1日に1ユーザに対して2回まで評価を下げられます
質問の評価を下げる
teratailでは下記のような質問を「具体的に困っていることがない質問」、「サイトポリシーに違反する質問」と定義し、推奨していません。
- プログラミングに関係のない質問
- やってほしいことだけを記載した丸投げの質問
- 問題・課題が含まれていない質問
- 意図的に内容が抹消された質問
- 過去に投稿した質問と同じ内容の質問
- 広告と受け取られるような投稿
評価が下がると、TOPページの「アクティブ」「注目」タブのフィードに表示されにくくなります。
質問の評価を下げたことを取り消します
この機能は開放されていません
評価を下げる条件を満たしてません
質問の評価を下げる機能の利用条件
この機能を利用するためには、以下の事項を行う必要があります。
- 質問回答など一定の行動
-
メールアドレスの認証
メールアドレスの認証
-
質問評価に関するヘルプページの閲覧
質問評価に関するヘルプページの閲覧
checkベストアンサー
0
(サンプル数, 高さ, 幅, チャンネル数3) という画像データの numpy 配列を作る必要があります。
glob.glob() でディレクトリから画像ファイルのパス一覧を取得し、PIL.Image.open() などで読み込みます。
こちらの回答 も参考にしてください。
投稿
-
回答の評価を上げる
以下のような回答は評価を上げましょう
- 正しい回答
- わかりやすい回答
- ためになる回答
評価が高い回答ほどページの上位に表示されます。
-
回答の評価を下げる
下記のような回答は推奨されていません。
- 間違っている回答
- 質問の回答になっていない投稿
- スパムや攻撃的な表現を用いた投稿
評価を下げる際はその理由を明確に伝え、適切な回答に修正してもらいましょう。
15分調べてもわからないことは、teratailで質問しよう！
- ただいまの回答率 88.33%
- 質問をまとめることで、思考を整理して素早く解決
- テンプレート機能で、簡単に質問をまとめられる
質問への追記・修正、ベストアンサー選択の依頼
quickquip
2018/10/21 15:22
それは画像を読み込む方法がわからないということでしょうか? 読み込んだ画像の扱い方がわからないということでしょうか? あなたが「わからないこと」が書いてないのです。
tasuke
2018/10/21 15:33
ご指摘ありがとうございます。私が分からないのは読み込んだ画像の扱い方です。自分なりに考え色々試してみたのですが、画像を分析してくれません。
quickquip
2018/10/21 15:52
ゼロから作るDeep Learning は関係ない質問ですか? torchとtensorflowの両方をimportしていますが、試行錯誤した結果なだけで「どちらを使いたいと思っている」とかいう前の段階ですね?
tasuke
2018/10/22 12:50
貴方のおっしゃっている通りです。自身の解析対象の画像の入れ方が分からなかったため、いろいろなサンプルコード等の使えそうな部分を引っ張ってきたら、上記のようなコードになってしまいました。また、質問自体はゼロから作るとは関係ありません。分かりずらい質問をしてしまい申し訳ありません。