プログラミングを初めて約1週間ほどの者です。現在ニューラルネットワークによる画像データの学習・予測プログラムを組もうとしています。
プログラミング技能が低いので、ニューラルネットワークの構築のほとんどをkerasに依存してプログラムを組んでいるのですが、ここで問題があります。
①ネットに落ちているコードの例は、レイヤーの組み方などにフォーカスしているものが多いため、材料として使うデータセットはMNISTなどすでに学習用に構築されたものを使っているものが多く、独自にデータセットを構築する方法がわからない。
②プログラミング能力が低いので、kerasで組んだレイヤーや学習部分のプログラムに影響を与えないように(データセットの作り方のせいで、kerasを使うのを止めてレイヤークラスをゼロからpythonで記述しなおすなどは極力避けたい。レイヤーが複雑になったときに面倒なので。)データセットを構築したい。
③理想はMNISTと同じデータセットの形式をとりたいが、MNISTの形式がわからない。また、MNIST形式にデータセットを構築していく方法がわからない。
の3点です。
現在データセットの構築方法の参考になるWebページなどもなかなか見つからない状態ですので、参考URLなど教えていただけたら幸いです。
また、ニューラルネットの学習用に現在組んでいるプログラムはTensorFlowのホームページに載っている初心者用の練習コードです。
ほとんどコピペですが、参考までに、自分が組んだコードを載せておきます。
python3
1#必要なモジュールのインポート 2from __future__ import absolute_import, division, print_function 3 4# TensorFlow and tf.keras 5import tensorflow as tf 6from tensorflow import keras 7 8# Helper libraries 9import numpy as np 10import matplotlib.pyplot as plt 11 12#MNISTのロード 13fashion_mnist = keras.datasets.fashion_mnist 14 15(train_images, train_labels), (test_images, test_labels) = fashion_mnist.load_data() 16 17#画像ファイル(行列式)をピクセル値で0~1に正規化 18train_images = train_images / 255.0 19 20test_images = test_images / 255.0 21 22#レイヤーの構築 23model = keras.Sequential([ 24 keras.layers.Flatten(input_shape=(28, 28)), 25 keras.layers.Dense(128, activation=tf.nn.relu), 26 keras.layers.Dense(10, activation=tf.nn.softmax) 27]) 28 29#損失関数と最適化計算法を設定 30model.compile(optimizer='adam', 31 loss='sparse_categorical_crossentropy', 32 metrics=['accuracy']) 33 34#上の条件で最適化計算(学習) 35model.fit(train_images, train_labels, epochs=5, batch_size=1000) 36
Epoch 1/5
60000/60000 [==============================] - 1s 22us/sample - loss: 0.3813 - acc: 0.8669
Epoch 2/5
60000/60000 [==============================] - 1s 21us/sample - loss: 0.3662 - acc: 0.8735
Epoch 3/5
60000/60000 [==============================] - 1s 21us/sample - loss: 0.3549 - acc: 0.8761
Epoch 4/5
60000/60000 [==============================] - 1s 21us/sample - loss: 0.3462 - acc: 0.8789
Epoch 5/5
60000/60000 [==============================] - 1s 21us/sample - loss: 0.3367 - acc: 0.8819
python3
1#testデータに外挿。正確性を評価 2test_loss, test_acc = model.evaluate(test_images, test_labels) 3 4print('Test accuracy:', test_acc)
10000/10000 [==============================] - 0s 37us/sample - loss: 0.3835 - acc: 0.8661
Test accuracy: 0.8661
回答2件
あなたの回答
tips
プレビュー
バッドをするには、ログインかつ
こちらの条件を満たす必要があります。