kerasの学習正解率がソースコードと違う理由が知りたい

画像認識プログラミングレシピという本で学習中です。

以下のコードを参考にkerasで学習済みモデルを作りました。

https://github.com/Kokensha/book-ml/blob/master/Colaboratory/05_01(TensorFlow_Keras_MNIST).ipynb

※saveするまでにエラーが出る部分があったので
def plot_loss_accuracy_graphの[acc]の部分を[accuracy]にしたり
教師ラベルデータの変換のkeras.utils.to_categoricalをnp_utils.to_categoricalに変更したりしました。

そこで1つほど質問があります。

上記のリンクでも確認できますが、公開されているサイトでは10EPOCHほどで正解率が99%にもなりますが、実際に行うと10EPOCHで81%程度で400EPOCHくらいまで上げるとようやく97%まで上がります。同じコードなのになぜこれほど異なるのかが気になります。

一つ引っかかることは学習中の以下の469と60000という部分が違うということです。

python
1Epoch 374/400
2469/469 [==============================] - 4s 10ms/step - loss: 0.1637 - accuracy: 0.9512 - val_loss: 0.0916 - val_accuracy: 0.9721

python
1Epoch 10/10
260000/60000 [==============================] - 5s 76us/step - loss: 0.0303 - acc: 0.9910 - val_loss: 0.0286 - val_acc: 0.9903
3

わかる方いましたらよろしくお願いします。

上記のリンクのコードと変更した箇所

python
1#accの箇所をaccuracyに変更
2def plot_loss_accuracy_graph(fit_record):
3  # 青い線で誤差の履歴をプロットします、検証時誤差は黒い線で
4  plt.plot(fit_record.history['loss'], "-D", color="blue", label="train_loss", linewidth=2)
5  plt.plot(fit_record.history['val_loss'], "-D", color="black", label="val_loss", linewidth=2)
6  plt.title('LOSS')
7  plt.xlabel('Epochs')
8  plt.ylabel('Loss')
9  plt.legend(loc='upper right')
10  plt.show()
11  
12  # 緑の線で精度の履歴をプロットします、検証時制度は黒い線で
13  plt.plot(fit_record.history['accuracy'],"-o", color="green", label="train_accuracy", linewidth=2)
14  plt.plot(fit_record.history['val_accuracy'],"-o",color="black", label="val_accuracy", linewidth=2)
15  plt.title('ACCURACY')
16  plt.xlabel('Epochs')
17  plt.ylabel('Accuracy')
18  plt.legend(loc="lower right")
19  plt.show()

python
1#keras.utils.to_categoricalの箇所をnp_utils.to_categoricalに変更
2from keras.utils import np_utils
3
4# 学習用教師ラベルデータをOne-hotベクトルに変換します
5print('Keras変換前学習用教師ラベルデータ　train_teacher_labels shape:', train_teacher_labels.shape)
6train_teacher_labels= np_utils.to_categorical(train_teacher_labels, NUM_CLASSES)
7print('Keras変換後学習用教師ラベルデータ　train_teacher_labels shape:',train_teacher_labels.shape)
8
9# 検証用教師ラベルデータをOne-hotベクトルに変換します
10print('Keras変換前検証用教師ラベルデータ　test_teacher_labels shape:', test_teacher_labels.shape)
11print(test_teacher_labels)
12test_teacher_labels = np_utils.to_categorical(test_teacher_labels, NUM_CLASSES)
13print('Keras変換後検証用教師ラベルデータ　test_teacher_labels shape:',test_teacher_labels.shape)
14print(test_teacher_labels)

googlecolabの環境
keras2.5.0
tensorflow2.5.0
numpy1.19.5

macOSXを利用

toast-uz

2021/08/02 00:53 編集

もともとのコードは、Python3.6、tensorflow1.13.1、keras2.2.4を前提に動作しています。特にtensorflow1系と2系では大きな非互換があります。質問者様が現在の環境で動作するようにいろいろ修正をしたのであれば、質問者様が動作させたコードの提示をお願いします。何か重要なところが正常に動作していない可能性が高いです。質問者様が気にされた表示の違いは、非互換のひとつの現れです。以前はデータ数が表示されたのが、ミニバッチ単位のイテレーション数を表示するように変わっています。表示の違いだけですので、今回の問題とは関係ありません。ちなみに「強化学習」というタグは間違っているように思います。