質問をすることでしか得られない、回答やアドバイスがある。

15分調べてもわからないことは、質問しよう!

ただいまの
回答率

90.48%

  • Python 3.x

    10240questions

    Python 3はPythonプログラミング言語の最新バージョンであり、2008年12月3日にリリースされました。

  • TensorFlow

    948questions

出力結果の見方がわからない

受付中

回答 0

投稿

  • 評価
  • クリップ 0
  • VIEW 559
退会済みユーザー

退会済みユーザー

出力結果の見方がわからないです。
モデル読み込ませて、推論で学習結果の予想を行ったのですが、
その出力結果が

[5]: [array([[ 0.02123145,  0.00887325, -0.04531521,  0.15737413, -0.00788159,
         0.07157519, -0.07936244, -0.20474763, -0.06418768,  0.14273719]], dtype=float32)]
[7]: [array([[ 0.26896179, -0.99437118, -0.648     ,  0.29603952,  0.80033737,
         0.34100154, -0.63109881,  1.83045578, -0.81493163, -0.35426903]], dtype=float32)]
[7]: [array([[ -6.94188404,  -4.8448987 ,   3.42359805,  -3.00604391,
          8.83248806,   2.23456097,   0.8877517 ,  18.5250721 ,
        -15.22857666,  -7.90845299]], dtype=float32)]
[2]: [array([[-0.8607462 , -0.52009165,  0.26848218,  0.53520882,  0.87279713,
         0.80628544,  1.6438719 ,  0.29229778, -2.43464684, -0.4134081 ]], dtype=float32)]
[8]: [array([[ 1.53771234, -0.33550233, -0.00823235, -0.05592023, -0.20053209,
        -0.35242966, -1.0516901 , -0.42457539,  1.44832718, -0.24960999]], dtype=float32)]
[1]: [array([[-0.33476034, -0.2010951 ,  0.18780072,  0.40470737,  0.1551768 ,
         0.57992721, -0.17237614, -0.2042886 , -0.1378624 , -0.27705047]], dtype=float32)]
[8]: [array([[  4.51377487,   0.67293972,  -7.66615868,  -6.10120583,
          1.14583743,  -2.21462297,  -2.47279549,  -2.13140392,
         17.36090469,  -5.58564425]], dtype=float32)]


のようでした。

まず、各結果の先頭についている、[5]・[7]・[2]・[1]・[8]の数字は一体何を表現しているのでしょうか?
あと、[  4.51377487,   0.67293972,  -7.66615868,  -6.10120583,
1.14583743,  -2.21462297,  -2.47279549,  -2.13140392,
17.36090469,  -5.58564425]
のようなフロート配列の並びは何を表現しているのでしょうか?
Cifar10の画像データを読み込ませて精度を出力しているのだから、例えば
[猫のグループ 0.7]のような結果になると思うのです。

ファイルは以下のように書きました。

# coding: UTF-8
from __future__ import absolute_import
from __future__ import division
from __future__ import print_function

import os
import time

import tensorflow as tf

import model as model
import numpy as np
from reader import Cifar10Reader

FLAGS = tf.app.flags.FLAGS
tf.app.flags.DEFINE_integer('epoch', 30, "訓練するEpoch数")
tf.app.flags.DEFINE_string('data_dir', './cifar-10-batches-bin 2/', "訓練データのディレクトリ")
tf.app.flags.DEFINE_string('checkpoint_dir', './checkpoints/',
                           "チェックポイントを保存するディレクトリ")
tf.app.flags.DEFINE_string('test_data', None, "テストデータのパス")

def _loss(logits, label):
  labels = tf.cast(label, tf.int64)
  cross_entropy = tf.nn.sparse_softmax_cross_entropy_with_logits(
      logits=logits, labels=labels,name='cross_entropy_per_example')
  cross_entropy_mean = tf.reduce_mean(cross_entropy, name='cross_entropy')
  return cross_entropy_mean


def _train(total_loss, global_step):
  opt = tf.train.GradientDescentOptimizer(learning_rate=0.001)
  grads = opt.compute_gradients(total_loss)
  train_op = opt.apply_gradients(grads, global_step=global_step)
  return train_op

filenames = [
    os.path.join(
        FLAGS.data_dir, 'data_batch_%d.bin' % i) for i in range(1, 6)
    ]


def main(argv=None):
    global_step = tf.Variable(0,trainable=False)
    train_placeholder = tf.placeholder(tf.float32,
                                       shape=[32, 32, 3],
                                       name='input_image')

    label_placeholder = tf.placeholder(tf.int32,shape=[1],name='label')
    # (width, height, depth) -> (batch, width, height, depth)
    image_node = tf.expand_dims(train_placeholder, 0)

    logits = model.inference(image_node)
    total_loss = _loss(logits,label_placeholder)
    train_op = _train(total_loss,global_step)

    top_k_op = tf.nn.in_top_k(logits,label_placeholder,1)

    with tf.Session() as sess:
        sess.run(tf.initialize_all_variables())

        total_duration = 0

        for epoch in range(1, FLAGS.epoch + 1):
            start_time = time.time()

            for file_index in range(5):
                print('Epoch %d: %s' % (epoch, filenames[file_index]))
                reader = Cifar10Reader(filenames[file_index])

                for index in range(10000):
                    image = reader.read(index)

                    logits_value = sess.run([logits],
                                            feed_dict={
                                                train_placeholder: image.byte_array
                                            })
                    _,loss_value = sess.run([train_op,total_loss],
                                             feed_dict={
                                                 train_placeholder: image.byte_array,
                                                 label_placeholder: image.label
                                             }
                    )

                    if index % 1000 == 0:
                        print('[%d]: %r' % (image.label, logits_value))

                    assert not np.isnan(loss_value), \
                        'Model diverged with loss = NaN'
                reader.close()

            duration = time.time() - start_time
            total_duration += duration

            prediction = _eval(sess,top_k_op,train_placeholder,label_placeholder)
            print('epoch %d duration = %d sec' % (epoch, duration))

            tf.summary.FileWriter(FLAGS.checkpoint_dir, sess.graph)

        print('Total duration = %d sec' % total_duration)

def _eval(sess,top_k_op,train_placeholder,label_placeholder):
  if not FLAGS.test_data:
      return np.nan

  image_reader = Cifar10Reader(FLAGS.test_data)
  true_count = 0
  for index in range(10000):
      image = image_reader.read(index)

      predictions = sess.run([top_k_op],
                             feed_dict={
                                 input_image: image.image,
                                 label_placeholder:image.label
                             }
      )
      true_count += np.sum(predictions)
  image_reader.close()

if __name__ == '__main__':
    tf.app.run()


あれらの表示は何を表しているのでしょうか?

  • 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
    • 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

    評価を下げる理由を選択してください

    詳細な説明はこちら

    上記に当てはまらず、質問内容が明確になっていない質問には「情報の追加・修正依頼」機能からコメントをしてください。

    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。

まだ回答がついていません

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 90.48%
  • 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

同じタグがついた質問を見る

  • Python 3.x

    10240questions

    Python 3はPythonプログラミング言語の最新バージョンであり、2008年12月3日にリリースされました。

  • TensorFlow

    948questions