Keras グラフ表示について

Question

下記のように学習をしています

# coding:utf-8
import keras
from keras.utils import np_utils
from keras.layers.convolutional import Conv2D, MaxPooling2D
from keras.models import Sequential
from keras.layers.core import Dense, Dropout, Activation, Flatten
from keras.preprocessing.image import array_to_img, img_to_array, list_pictures, load_img
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns
from sklearn.metrics import confusion_matrix
from sklearn.neighbors import KNeighborsClassifier
from sklearn.model_selection import train_test_split

X = []#train
Y = []
A = []#validation
B = []
V = []#test
W = []

ep = 10
size = 10,10



# aの画像
for picture in list_pictures('dir/train/a'):
    img = img_to_array(load_img(picture, target_size=(size)))
    X.append(img)
    Y.append(0)

for picture in list_pictures('dir/vali/a'):
    img = img_to_array(load_img(picture, target_size=(size)))
    A.append(img)
    B.append(0)

for picture in list_pictures('dir/test/a'):
    img = img_to_array(load_img(picture, target_size=(size)))
    V.append(img)
    W.append(0)

# bの画像
for picture in list_pictures('dir/train/b'):
    img = img_to_array(load_img(picture, target_size=(size)))
    X.append(img)
    Y.append(1)

for picture in list_pictures('dir/vali/b'):
    img = img_to_array(load_img(picture, target_size=(size)))
    A.append(img)
    B.append(1)

for picture in list_pictures('dir/test/b'):
    img = img_to_array(load_img(picture, target_size=(size)))
    V.append(img)
    W.append(1)

# cの画像
for picture in list_pictures('dir/train/c'):
    img = img_to_array(load_img(picture, target_size=(size)))
    X.append(img)
    Y.append(2)

for picture in list_pictures('dir/train/c'):
    img = img_to_array(load_img(picture, target_size=(size)))
    A.append(img)
    B.append(2)

for picture in list_pictures('dir/train/c'):
    img = img_to_array(load_img(picture, target_size=(size)))
    V.append(img)
    W.append(2)

X = np.asarray(X)
Y = np.asarray(Y)
A = np.asarray(A)
B = np.asarray(B)
V = np.asarray(V)
W = np.asarray(W)

# 画素値を0から1の範囲に変換
X = X.astype('float32')
X = X / 255.0
A = A.astype('float32')
A = A / 255.0
V = V.astype('float32')
V = V / 255.0

# クラスの形式を変換
Y = np_utils.to_categorical(Y, 3)#(ベクトル変換したいラベル、配列数)
B = np_utils.to_categorical(B, 3)
W = np_utils.to_categorical(W, 3)

X_train, Y_train = (X, Y)
A_vali, B_vali = (A, B)
V_test, W_test = (V, W)

# 【CNNを構築】
model = Sequential()
model.add(Conv2D(32, (3, 3), padding='same',
                 input_shape=X_train.shape[1:]))
model.add(Activation('relu'))
model.add(Conv2D(32, (3, 3)))
model.add(Activation('relu'))
model.add(MaxPooling2D(pool_size=(2, 2)))
model.add(Dropout(0.4))
model.add(Conv2D(64, (3, 3), padding='same'))
model.add(Activation('relu'))
model.add(Conv2D(64, (3, 3)))
model.add(Activation('relu'))
model.add(MaxPooling2D(pool_size=(2, 2)))
model.add(Dropout(0.4))
model.add(Flatten())
model.add(Dense(512))
model.add(Activation('relu'))
model.add(Dropout(0.4))
model.add(Dense(3))#カテゴリー数
model.add(Activation('softmax'))

# 【コンパイル】
model.compile(loss='categorical_crossentropy',#損失関数
              optimizer='adam',#最適化、オブジェクト
              metrics=['accuracy'])#評価関数、正解率

#【学習実行】
history = model.fit(X_train, Y_train, batch_size=2048, epochs=ep,
                    validation_data = (A_vali, B_vali), verbose = 1)

score = model.evaluate(V_test, W_test, verbose = 1)
print("test_acc", score[1], "test_loss", score[0])

以下のようにグラフで学習過程とheatmapを作成し、その後にデスクトップに保存したいのです

%matplotlib inline
plt.plot(history.history['acc'], "o-")
plt.plot(history.history['val_acc'], "o-")
plt.xlabel('epoch')
plt.ylabel('accuracy')
plt.title('model accuracy')
plt.legend(['train', 'validation'], loc='upper left')
plt.savefig('Desktop/result/acc.png')
plt.show()    
plt.plot(history.history['loss'], "o-")
plt.plot(history.history['val_loss'], "o-")
plt.xlabel('epoch')
plt.ylabel('loss')
plt.title('model loss')

plt.legend(['loss', 'val_loss'], loc='upper left')
plt.savefig('Desktop/result/loss.png')
plt.show()

predict_classes = model.predict_classes(V_test)
true_classes = np.argmax(W_test, 1)
cmx = confusion_matrix(true_classes, predict_classes, )
df = pd.DataFrame(data=cmx, index=["a","b","c"]
                  columns=[""a","b", "c"])

sns.heatmap(df, annot=True, fmt='g', square=True)
plt.xlabel('predict')
plt.ylabel('true')
plt.savefig('Desktop/result/heatmap.png')
plt.show()

現在はaccとlossのグラフを別々で保存しているのですが、隣に並べて1枚の画像として保存することは可能でしょうか？

また、heatmapの画像ですが、jupyternotebook上ではindexとcolumnsが全て見えるのですが、保存した画像を見ると下の方が切れています。どのように変更したらいいのか教えていだたきたいです。

宜しくお願い致します。

Answer 1

現在はaccとlossのグラフを別々で保存しているのですが、隣に並べて1枚の画像として保存することは可能でしょうか？

matplotlib では1つの図に複数のグラフを追加できます。
具体的には以下のようにすればよいです。

参考記事

epochs = np.arange(1, ep + 1)

fig, [ax1, ax2] = plt.subplots(1, 2, figsize=(10, 4))

# 損失関数の履歴を可視化する。
ax1.plot(epochs, history.history["loss"], label="loss")
ax1.plot(epochs, history.history["val_loss"], label="validation loss")
ax1.set_xlabel("epochs")
ax1.legend()

# 精度の履歴を可視化する。
ax2.plot(epochs, history.history["acc"], label="accuracy")
ax2.plot(epochs, history.history["val_acc"], label="validation accuracy")
ax2.set_xlabel("epochs")
ax2.legend()

plt.show()

また、heatmapの画像ですが、jupyternotebook上ではindexとcolumnsが全て見えるのですが、保存した画像を見ると下の方が切れています。どのように変更したらいいのか教えていだたきたいです。

Heatmaps are being truncated when using with seaborn · Issue #14675 · matplotlib/matplotlib

seaborn のバグなので、古いバージョンを使うか、バグが修正されるのを待つしかありません。

類似質問

Python 3.x - Python3 seaborn heatmap表示時｜teratail

Comments

[22Go]

大変参考になりました。ありがとうございます！