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

90.37%

  • Python

    10381questions

    Pythonは、コードの読みやすさが特徴的なプログラミング言語の1つです。 強い型付け、動的型付けに対応しており、後方互換性がないバージョン2系とバージョン3系が使用されています。 商用製品の開発にも無料で使用でき、OSだけでなく仮想環境にも対応。Unicodeによる文字列操作をサポートしているため、日本語処理も標準で可能です。

  • Python 3.x

    8529questions

    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

    842questions

tensorflowでのalexnetの実装で精度が変化しない

解決済

回答 3

投稿 編集

  • 評価
  • クリップ 3
  • VIEW 2,744

aika_y

score 2

前提・実現したいこと

こんにちは。
趣味で画像認識を勉強しているものです。
「tensorflowでゆるゆりの製作会社を判定してみた」(http://mobiles-han.blogspot.jp/2017/01/tensorflow_13.html)のhanさんのコードを参考にalex-netの実装を行い、画像の識別をしようとしているのですが、問題が発生しました。

原因が自分では全くわからず、1ヶ月ほど悩んでおります。
お手数おかけしますが、どうかご教授願います。

発生している問題・エラーメッセージ

accuracyが一定の値から全く変化しなく、結果もひとつのラベルしか返さない状態が続いています。

step 0, training accuracy 0.106504
step 1, training accuracy 0.106504
step 2, training accuracy 0.106504
…………
test accuracy 0.1

#ここからラベルの表示
0
0
0
0
…………

試したこと

学習率を0.0001〜0.009まで変化させながら実行してみましたが、実行結果にあまり変化がでませんでした。

補足情報(言語/FW/ツール等のバージョンなど)

OS                :Ubuntu 16.04
使用言語       :python 3.5.2
使用ライブラリ:tensorflow 1.2.1
GPU              :geforce GTX 1080
画像枚数        :1330枚(訓練用1230、テスト用100枚)

コードについてのなのですが、文字数制限でのせることができなかったのでコメントにて載せます。

  • 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。

回答 3

checkベストアンサー

+4

確実に学習したというモデルを上げておきます。
手元のパソコンにとってAlexNetは非常に重いので、いたるところでパラメータが縮小されています。
少なくとも有名なKaggleの犬猫分類に対して判定精度99%(追記:教師データに対して100%に過学習できるほど学習できる……このパラメータではテストデータに対しては70%程度ですね。)を超えることができます。
犬猫分類のパラメータなので、2値分類です。
多クラスに使う場合は修正を忘れずに。

詳しくはコードを追っていただくとして、ポイントをいくつかだけ。

  1. おそらくオリジナルのコードで一番問題となったのは教師データをシャッフルしていないことだと思います。エポックごとにシャッフルすべきです。
  2. 学習ではlossが小さくなるように重みを更新します。なので、学習率次第ではaccuracyははじめのうちは変化しません。それに対して、lossが先が変動します。(学習している証拠です。)これを出力すべきです。今回の場合はtensorflowの泥臭いところを全部自分で書きたい(のかもしれない)ので、もとのコードに修正を加えましたが、Kerasなどの高度なライブラリを使うことで、デフォルトでaccuracyとlossの両方を出力させることができます。
  3. cross_entropyの計算が正しくありませんでした。本家のチュートリアルを参考にするとよいのですが、reduction_indices=[1]が欠けているせいで、一定の精度以上学習できません。(追記:勾配に対してclipをつけろと言われていますね。またyの値のクリッピングも学習にバイアスをあたえるので、ない方がよいです。理由はyが1以上であれば、みなlossがおなじになるので重みを更新しようがないことが挙げられます。)
  4. lossを出力させていないことにもつながりますが、重みの初期化次第ではlossがnanになることがあります。このような場合も学習することはできません。(追記:lossがnanになるのはyの値をclipしていないことによるようですね。)
  5. 画像取り込みのpathに関するバグを修正しました。
  6. 以前の回答でも指摘した、conv2d_firstのカッコの閉じる場所を修正しました。
  7. 以前の回答の最後のコードのインデントが正しくなかった箇所を修正しました。
import sys
import cv2
import math
import numpy as np
import tensorflow as tf
import tensorflow.python.platform

NUM_CLASSES = 2
IMAGE_SIZE = 32
IMAGE_PIXELS = IMAGE_SIZE*IMAGE_SIZE*3

flags = tf.app.flags
FLAGS = flags.FLAGS
flags.DEFINE_string('train', 'train.txt', 'File name of train data')
flags.DEFINE_string('test', 'test.txt', 'File name of train data')
flags.DEFINE_string('train_dir', '/tmp/data', 'Directory to put the training data.')
flags.DEFINE_integer('max_steps', 50, 'Number of steps to run trainer.')
flags.DEFINE_integer('batch_size', 12, 'Batch size. Must divide evenly into the dataset sizes.')
flags.DEFINE_float('learning_rate', 0.001, 'Initial learning rate.')

def inference(images_placeholder, keep_prob):
    def weight_variable(shape, num):
        initial = tf.truncated_normal(shape, stddev=0.1, mean=0.)
        return (tf.Variable(initial).initialized_value())

    def bias_variable(shape):
        initial = tf.constant(0.0, shape=shape)
        return (tf.Variable(initial).initialized_value())

    def conv2d_first(x, W):
        return (tf.nn.conv2d(x, W, strides=[1, 4, 4, 1], padding='SAME'))

    def conv2d(x,W):
        return (tf.nn.conv2d(x, W, strides=[1, 1, 1, 1], padding='SAME'))

    def max_pool_2x2(x):
        return tf.nn.max_pool(x, ksize=[1, 2, 2, 1],
                              strides=[1, 2, 2, 1], padding='SAME')

    x_image = tf.reshape(images_placeholder, [-1, IMAGE_SIZE, IMAGE_SIZE, 3])

    with tf.name_scope('conv1') as scope: 
        W_conv1 = weight_variable([2, 2, 3, 32], IMAGE_SIZE*IMAGE_SIZE)
        b_conv1 = bias_variable([32])
        h_conv1 = tf.nn.relu(conv2d_first(x_image, W_conv1) + b_conv1)

    with tf.name_scope('pool1') as scope:
        h_pool1 = max_pool_2x2(tf.nn.local_response_normalization(h_conv1))

    with tf.name_scope('conv2') as scope:
        W_conv2 = weight_variable([2, 2, 32, 64], 96)
        b_conv2 = bias_variable([64])
        h_conv2 = tf.nn.relu(conv2d(h_pool1, W_conv2) + b_conv2)

    with tf.name_scope('pool2') as scope:
        h_pool2 = max_pool_2x2(tf.nn.local_response_normalization(h_conv2))

    with tf.name_scope('conv3') as scope:
        W_conv3 = weight_variable([2,2,64,64], 256)
        b_conv3 = bias_variable([64])
        h_conv3 = tf.nn.relu(conv2d(h_pool2, W_conv3) + b_conv3)

    with tf.name_scope('conv4') as scope:
        W_conv4 = weight_variable([2,2,64,64], 384)
        b_conv4 = bias_variable([64])
        h_conv4 = tf.nn.relu(conv2d(h_conv3, W_conv4) + b_conv4)

    with tf.name_scope('conv5') as scope:
        W_conv5 = weight_variable([2,2,64,64], 384)
        b_conv5 = bias_variable([64])
        h_conv5 = tf.nn.relu(conv2d(h_conv4, W_conv5) + b_conv5)

    with tf.name_scope('pool3') as scope:
        h_pool3 = max_pool_2x2(h_conv5)

    with tf.name_scope('fc1') as scope:
        n = np.prod(h_pool3.get_shape().as_list()[1:])
        W_fc1 = weight_variable([n, 1024], (7*7*256))
        b_fc1 = bias_variable([1024])
        h_pool3_flat = tf.reshape(h_pool3, [-1, n])
        h_fc1 = tf.nn.relu(tf.matmul(h_pool3_flat, W_fc1) + b_fc1)
        h_fc1_drop = tf.nn.dropout(h_fc1, keep_prob)

    with tf.name_scope('fc2') as scope:
        w_fc2 = weight_variable([1024,1024], 1024)
        b_fc2 = bias_variable([1024])
        h_fc2 = tf.nn.relu(tf.matmul(h_fc1_drop,w_fc2) + b_fc2)
        h_fc2_drop = tf.nn.dropout(h_fc2, keep_prob)

    with tf.name_scope('fc3') as scope:
        W_fc3 = weight_variable([1024, NUM_CLASSES], 1024)
        b_fc3 = bias_variable([NUM_CLASSES])
        y_conv = tf.matmul(h_fc2_drop, W_fc3) + b_fc3

    with tf.name_scope('softmax') as scope:
        y_conv = tf.nn.softmax(tf.matmul(h_fc2_drop, W_fc3) + b_fc3)

    return y_conv

def loss(logits, labels):
    cross_entropy = tf.reduce_mean(-tf.reduce_sum(labels*tf.log(logits), reduction_indices=[1]))

    tf.summary.scalar("cross_entropy", cross_entropy)
    return cross_entropy

def training(loss, learning_rate):
    train_step = tf.train.AdamOptimizer(learning_rate).minimize(loss)
    return train_step

def accuracy(logits, labels):
    correct_prediction = tf.equal(tf.argmax(logits, 1), tf.argmax(labels, 1))
    accuracy = tf.reduce_mean(tf.cast(correct_prediction, "float"))
    tf.summary.scalar("accuracy", accuracy)
    return accuracy

if __name__ == '__main__':
    with open(FLAGS.train, 'r') as fs:
        f = fs.readlines()

    train_image = []
    train_label = []
    for line in f:
        line = line.rstrip()
        l = line.split()
        ff = '{0}/{1}'.format(FLAGS.train_dir, l[0])
        img = cv2.imread(ff)
        img = cv2.resize(img, (IMAGE_SIZE, IMAGE_SIZE))
        train_image.append(img.flatten().astype(np.float32)/255.0)
        tmp = np.zeros(NUM_CLASSES)
        tmp[int(l[1])] = 1
        train_label.append(tmp)
    train_image = np.asarray(train_image)
    train_label = np.asarray(train_label)

    f = open(FLAGS.test, 'r')
    test_image = []
    test_label = []
    for line in f:
        line = line.rstrip()
        l = line.split()
        ff = '{0}/{1}'.format(FLAGS.train_dir, l[0])
        img = cv2.imread(ff)
        img = cv2.resize(img, (IMAGE_SIZE, IMAGE_SIZE))
        test_image.append(img.flatten().astype(np.float32)/255.0)
        tmp = np.zeros(NUM_CLASSES)
        tmp[int(l[1])] = 1
        test_label.append(tmp)
    test_image = np.asarray(test_image)
    test_label = np.asarray(test_label)
    f.close()

    with tf.Graph().as_default():
        images_placeholder = tf.placeholder("float32", shape=(None, IMAGE_PIXELS))
        labels_placeholder = tf.placeholder("float32", shape=(None, NUM_CLASSES))
        keep_prob = tf.placeholder("float")

        logits = inference(images_placeholder, keep_prob)
        loss_value = loss(logits, labels_placeholder)
        train_op = training(loss_value, FLAGS.learning_rate)
        acc = accuracy(logits, labels_placeholder)
        saver = tf.train.Saver()
        sess = tf.Session()
        sess.run(tf.global_variables_initializer())
        summary_op = tf.summary.merge_all()
        summary_writer = tf.summary.FileWriter(FLAGS.train_dir, sess.graph_def)

        idx = np.array(list(range(train_image.shape[0])))
        for step in range(FLAGS.max_steps):
            np.random.shuffle(idx)
            train_image = train_image[idx]
            train_label = train_label[idx]
            for i in range(len(train_image)//FLAGS.batch_size):
                batch = FLAGS.batch_size*i
                point = sess.run(train_op, feed_dict={
                    images_placeholder: train_image[batch:batch+FLAGS.batch_size],
                    labels_placeholder: train_label[batch:batch+FLAGS.batch_size],
                    keep_prob: 0.5})

            train_accuracy = sess.run(acc, feed_dict={
                images_placeholder: train_image,
                labels_placeholder: train_label,
                keep_prob: 1.0})
            train_loss = sess.run(loss_value, feed_dict={
                images_placeholder: train_image,
                labels_placeholder: train_label,
                keep_prob: 1.0})
            print ("step %d, training accuracy %g"%(step, train_accuracy))
            print ("step %d, training loss %g"%(step, train_loss))

            summary_str = sess.run(summary_op, feed_dict={
                images_placeholder: train_image,
                labels_placeholder: train_label,
                keep_prob: 1.0})
            summary_writer.add_summary(summary_str, step)

            print ("test accuracy %g"%sess.run(acc, feed_dict={
                images_placeholder: test_image,
                labels_placeholder: test_label,
                keep_prob: 1.0}))

        save_path = saver.save(sess, "model.ckpt")

    images_placeholder = tf.placeholder("float32", shape=(None, IMAGE_PIXELS))
    labels_placeholder = tf.placeholder("float32", shape=(None, NUM_CLASSES))
    keep_prob = tf.placeholder("float32")
    logits = inference(images_placeholder,keep_prob)
    sess = tf.InteractiveSession()
    saver = tf.train.Saver()
    hoge = sess.run(tf.global_variables_initializer())
    saver.restore(sess,"model.ckpt")

投稿

編集

  • 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。

  • 2017/11/09 12:41

    コードの件について、埋め込み方がわからずあのような形になってしまいました。
    大変申し訳ございません。

    懇切丁寧な回答ありがとうございます。
    こちらでも実行してみたところ、きちんと実行することができました。

    しかし、Alex-netで用いていたパラメーターを使用して動かしてみたところ、学習が進まないような状態になりました。
    この場合、どのパラメーターの要因が大きく影響しているのでしょうか?

    キャンセル

  • 2017/11/09 19:44

    思い当たるフシがありすぎるのでなんとも言えないです。
    すべてが理想の状況であると仮定して、学習率が悪いはずです。
    基本的にバッチサイズと学習率をいじればよいことになります。

    それでもニューラルネットワークのパラメータにニューロンの数を含めていないという前提の話となりますが。
    普通はニューロンの数もパラメータとしてチューニングします。
    なので本当の学習できない原因はAlexNetのパラメータを使ったことです。

    さて理想的ではない状況についてですが、
    まず一気にAlexNetのニューロンの数をそのまま置くと、6000万を超えるパラメータがあります。このパラメータで過学習しないほどの教師データを作り出すことは容易ではありません。AlexNetでは130万枚の教師データでも過学習すると記されています。
    更にAlexNetでは1000クラスの分類を目的にしています。それに対して10クラス分類するように学習しようとしても各パラメータが収束するまで非常に時間がかかります。

    どうしてもAlexNetのような大きなCNNを試したいのなら、転移学習について勉強してそちらを試されるのがよいかと思います。

    キャンセル

  • 2017/11/09 22:32

    よく見たら過去に多くの先人がいました。
    https://teratail.com/questions/82402
    https://teratail.com/questions/84482
    リンクのブログも結構参考になりますよ。

    キャンセル

  • 2017/11/10 16:15

    何から何まで本当にありがとうございます!
    まだ自分自身理解していないことも多いので、これからも精進していきたいと思います。

    キャンセル

+4

インデントなしのpythonコードは中身を理解しないと読めません。
読めないと回答者の心が折れてしまうので、回答が得られませんよ。
それに回答のコメントに書いちゃうとコードが折りたためません。
コメントが長すぎるので、新たに回答を作ります。

とりあえず参考のwebページと比較してコードを再現しました。
(最後のコードがそれです。)

それはともかく、かわりにデバッグいたしますと、AlexNetの構造にするために新しく付け加えた部分が怪しく思います。
conv2d_first(x_image, W_conv1 + b_conv1)
ではなく
conv2d_first(x_image, W_conv1) + b_conv1
であるべきです。

そもそも手を加える前では学習できていたのでしょうか?
その情報があれば、どこを見ればよいのかが絞り込めます。

with tf.name_scope('conv1') as scope: 
    W_conv1 = weight_variable([11, 11, 3, 96], IMAGE_SIZE*IMAGE_SIZE)
    b_conv1 = bias_variable([96])
    h_conv1 = tf.nn.relu(conv2d_first(x_image, W_conv1 + b_conv1))

以下、元のコード

import sys
import cv2
import math
import numpy as np
import tensorflow as tf
import tensorflow.python.platform

NUM_CLASSES = 10
IMAGE_SIZE = 224
IMAGE_PIXELS = IMAGE_SIZE*IMAGE_SIZE*3

flags = tf.app.flags
FLAGS = flags.FLAGS
flags.DEFINE_string('train', 'train.txt', 'File name of train data')
flags.DEFINE_string('test', 'test.txt', 'File name of train data')
flags.DEFINE_string('train_dir', '/tmp/data', 'Directory to put the training data.')
flags.DEFINE_integer('max_steps', 200, 'Number of steps to run trainer.')
flags.DEFINE_integer('batch_size', 100, 'Batch size'
'Must divide evenly into the dataset sizes.')
flags.DEFINE_float('learning_rate', 0.007, 'Initial learning rate.')

def inference(images_placeholder, keep_prob):
    def weight_variable(shape,num):
        initial = tf.truncated_normal(shape, stddev=0.1/math.sqrt(float(num)))
        return (tf.Variable(initial).initialized_value())

    def bias_variable(shape):
        initial = tf.constant(0.1, shape=shape)
        return (tf.Variable(initial).initialized_value())

    def conv2d_first(x, W):
        return (tf.nn.conv2d(x, W, strides=[1, 4, 4, 1], padding='SAME'))

    def conv2d(x,W):
        return (tf.nn.conv2d(x, W, strides=[1, 1, 1, 1], padding='SAME'))

    def max_pool_3x3(x):
        return tf.nn.max_pool(x, ksize=[1, 3, 3, 1],
                              strides=[1, 2, 2, 1], padding='SAME')

    x_image = tf.reshape(images_placeholder, [-1, IMAGE_SIZE, IMAGE_SIZE, 3])

    with tf.name_scope('conv1') as scope: 
        W_conv1 = weight_variable([11, 11, 3, 96], IMAGE_SIZE*IMAGE_SIZE)
        b_conv1 = bias_variable([96])
        h_conv1 = tf.nn.relu(conv2d_first(x_image, W_conv1 + b_conv1))

    with tf.name_scope('pool1') as scope:
        h_pool1 = max_pool_3x3(tf.nn.local_response_normalization(h_conv1))

    with tf.name_scope('conv2') as scope:
        W_conv2 = weight_variable([5, 5, 96, 256],96)
        b_conv2 = bias_variable([256])
        h_conv2 = tf.nn.relu(conv2d(h_pool1, W_conv2) + b_conv2)

    with tf.name_scope('pool2') as scope:
        h_pool2 = max_pool_3x3(tf.nn.local_response_normalization(h_conv2))

    with tf.name_scope('conv3') as scope:
        W_conv3 = weight_variable([3,3,256,384], 256)
        b_conv3 = bias_variable([384])
        h_conv3 = tf.nn.relu(conv2d(h_pool2, W_conv3) + b_conv3)

    with tf.name_scope('conv4') as scope:
        W_conv4 = weight_variable([3,3,384,384], 384)
        b_conv4 = bias_variable([384])
        h_conv4 = tf.nn.relu(conv2d(h_conv3, W_conv4) + b_conv4)

    with tf.name_scope('conv5') as scope:
        W_conv5 = weight_variable([3,3,384,256], 384)
        b_conv5 = bias_variable([256])
        h_conv5 = tf.nn.relu(conv2d(h_conv4, W_conv5) + b_conv5)

    with tf.name_scope('pool3') as scope:
        h_pool3 = max_pool_3x3(h_conv5)

    with tf.name_scope('fc1') as scope:
        W_fc1 = weight_variable([7*7*256, 4096], (7*7*256))
        b_fc1 = bias_variable([4096])
        h_pool3_flat = tf.reshape(h_pool3, [-1, 7*7*256])
        h_fc1 = tf.nn.relu(tf.matmul(h_pool3_flat, W_fc1) + b_fc1)
        h_fc1_drop = tf.nn.dropout(h_fc1, keep_prob)

    with tf.name_scope('fc2') as scope:
        w_fc2 = weight_variable([4096,4096], 4096)
        b_fc2 = bias_variable([4096])
        h_fc2 = tf.nn.relu(tf.matmul(h_fc1_drop,w_fc2) + b_fc2)
        h_fc2_drop = tf.nn.dropout(h_fc2, keep_prob)

    with tf.name_scope('fc3') as scope:
        W_fc3 = weight_variable([4096, NUM_CLASSES], 4096)
        b_fc3 = bias_variable([NUM_CLASSES])
        y_conv = tf.matmul(h_fc2_drop, W_fc3) + b_fc3

    with tf.name_scope('softmax') as scope:
        y_conv=tf.nn.softmax(tf.matmul(h_fc2_drop, W_fc3) + b_fc3)

    return y_conv

def loss(logits, labels):
    cross_entropy = tf.reduce_mean(-tf.reduce_sum(labels*tf.log(tf.clip_by_value(logits,1e-10,1.0))))

    tf.summary.scalar("cross_entropy", cross_entropy)
    return cross_entropy

def training(loss, learning_rate):
    train_step = tf.train.AdamOptimizer(learning_rate).minimize(loss)
    return train_step

def accuracy(logits, labels):
    correct_prediction = tf.equal(tf.argmax(logits, 1), tf.argmax(labels, 1))
    accuracy = tf.reduce_mean(tf.cast(correct_prediction, "float"))
    tf.summary.scalar("accuracy", accuracy)
    return accuracy

if __name__ == '__main__':
    f = open(FLAGS.train, 'r')
    train_image = []
    train_label = []
    for line in f:
        line = line.rstrip()
        l = line.split()
        img = cv2.imread(l[0])
        img = cv2.resize(img, (IMAGE_SIZE, IMAGE_SIZE))
        train_image.append(img.flatten().astype(np.float32)/255.0)
        tmp = np.zeros(NUM_CLASSES)
        tmp[int(l[1])] = 1
        train_label.append(tmp)
    train_image = np.asarray(train_image)
    train_label = np.asarray(train_label)
    f.close()

    f = open(FLAGS.test, 'r')
    test_image = []
    test_label = []
    for line in f:
        line = line.rstrip()
        l = line.split()
        img = cv2.imread(l[0])
        img = cv2.resize(img, (IMAGE_SIZE, IMAGE_SIZE))
        test_image.append(img.flatten().astype(np.float32)/255.0)
        tmp = np.zeros(NUM_CLASSES)
        tmp[int(l[1])] = 1
        test_label.append(tmp)
    test_image = np.asarray(test_image)
    test_label = np.asarray(test_label)
    f.close()

    with tf.Graph().as_default():
        images_placeholder = tf.placeholder("float32", shape=(None, IMAGE_PIXELS))
        labels_placeholder = tf.placeholder("float32", shape=(None, NUM_CLASSES))
        keep_prob = tf.placeholder("float")

        logits = inference(images_placeholder, keep_prob)
        loss_value = loss(logits, labels_placeholder)
        train_op = training(loss_value, FLAGS.learning_rate)
        acc = accuracy(logits, labels_placeholder)
        saver = tf.train.Saver()
        sess = tf.Session()
        sess.run(tf.global_variables_initializer())
        summary_op = tf.summary.merge_all()
        summary_writer = tf.summary.FileWriter(FLAGS.train_dir, sess.graph_def)

        for step in range(FLAGS.max_steps):
            for i in range(len(train_image)//FLAGS.batch_size):
                batch = FLAGS.batch_size*i
                point=sess.run(train_op, feed_dict={
                    images_placeholder: train_image[batch:batch+FLAGS.batch_size],
                    labels_placeholder: train_label[batch:batch+FLAGS.batch_size],
                    keep_prob: 0.5})

                train_accuracy = sess.run(acc, feed_dict={
                    images_placeholder: train_image,
                    labels_placeholder: train_label,
                    keep_prob: 1.0})
                print ("step %d, training accuracy %g"%(step, train_accuracy))

                summary_str = sess.run(summary_op, feed_dict={
                    images_placeholder: train_image,
                    labels_placeholder: train_label,
                    keep_prob: 1.0})
                summary_writer.add_summary(summary_str, step)

        print ("test accuracy %g"%sess.run(acc, feed_dict={
            images_placeholder: test_image,
            labels_placeholder: test_label,
            keep_prob: 1.0}))

        save_path = saver.save(sess, "model.ckpt")

    images_placeholder = tf.placeholder("float32", shape=(None, IMAGE_PIXELS))
    labels_placeholder = tf.placeholder("float32", shape=(None, NUM_CLASSES))
    keep_prob = tf.placeholder("float32")
    logits = inference(images_placeholder,keep_prob)
    sess = tf.InteractiveSession()
    saver = tf.train.Saver()
    hoge = sess.run(tf.global_variables_initializer())
    saver.restore(sess,"model.ckpt")

    for i in range(len(test_image)):
        hoge = np.argmax(logits.eval(feed_dict={images_placeholder: [test_image[i]],keep_prob: 1.0 })[0])
        print("%s"%hoge)

    exit()

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。

+1

コードがないので何も言えませんが、何も学習していないことが問題であることは間違いありません。

コードが正しいことを仮定すると、
step0から学習が止まっているのでバッチサイズ、最適化アルゴリズム及びパラメータがよろしくないことが多いと思います。
特に小さいバッチサイズに対して学習率が高いと比較的早い段階から学習しないことが多いです。
(正しくないものを学習しつくして、局所最適解に到達しているというべきでしょうか。)

また別の可能性として、意図していないYのデータや減少すべきでない損失関数も挙げられます。
例えば、lossがbinary_crossentropyなのにクラスが3つあるとか、lossがaccuracyなどが考えられます。

ラベルの推定がすべて0(書いてある限りでは)なのに0.1の正答率しかない偏りの強い(かも知れない)教師データのせいかもしれません。
MNISTでテストしているのでしょうか?

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。

  • 2017/11/08 17:23

    回答ありがとうございます。
    テストに関しましては、自分で用意した画像のデータを使用しております。

    コードについてなのですが以下のようになっています。
    お手数おかけしますが、よろしくお願いいたします。

    import sys
    import cv2
    import math
    import numpy as np
    import tensorflow as tf
    import tensorflow.python.platform

    NUM_CLASSES = 10
    IMAGE_SIZE = 224
    IMAGE_PIXELS = IMAGE_SIZE*IMAGE_SIZE*3

    flags = tf.app.flags
    FLAGS = flags.FLAGS
    flags.DEFINE_string('train', 'train.txt', 'File name of train data')
    flags.DEFINE_string('test', 'test.txt', 'File name of train data')
    flags.DEFINE_string('train_dir', '/tmp/data', 'Directory to put the training data.')
    flags.DEFINE_integer('max_steps', 200, 'Number of steps to run trainer.')
    flags.DEFINE_integer('batch_size', 100, 'Batch size'
    'Must divide evenly into the dataset sizes.')
    flags.DEFINE_float('learning_rate', 0.007, 'Initial learning rate.')

    def inference(images_placeholder, keep_prob):
    # 重みを標準偏差0.1の正規分布で初期化
    def weight_variable(shape,num):
    initial = tf.truncated_normal(shape, stddev=0.1/math.sqrt(float(num)))
    # tf.Variable:計算グラフ上の変数シンボルinitialを定義
    return (tf.Variable(initial).initialized_value())

    def bias_variable(shape):
    # 定数のtensorを作る
    initial = tf.constant(0.1, shape=shape)
    return (tf.Variable(initial).initialized_value())

    # 畳み込み層の作成
    def conv2d_first(x, W):
    return (tf.nn.conv2d(x, W, strides=[1, 4, 4, 1], padding='SAME'))

    def conv2d(x,W):
    return (tf.nn.conv2d(x, W, strides=[1, 1, 1, 1], padding='SAME'))


    # プーリング層の作成
    def max_pool_3x3(x):
    return tf.nn.max_pool(x, ksize=[1, 3, 3, 1],
    strides=[1, 2, 2, 1], padding='SAME')

    # 入力を224x224x3に変形
    x_image = tf.reshape(images_placeholder, [-1, IMAGE_SIZE, IMAGE_SIZE, 3])

    # 畳み込み層1の作成
    with tf.name_scope('conv1') as scope:
    W_conv1 = weight_variable([11, 11, 3, 96], IMAGE_SIZE*IMAGE_SIZE)
    b_conv1 = bias_variable([96])
    h_conv1 = tf.nn.relu(conv2d_first(x_image, W_conv1 + b_conv1))

    # プーリング層1の作成
    with tf.name_scope('pool1') as scope:
    h_pool1 = max_pool_3x3(tf.nn.local_response_normalization(h_conv1))

    # 畳み込み層2の作成
    with tf.name_scope('conv2') as scope:
    W_conv2 = weight_variable([5, 5, 96, 256],96)
    b_conv2 = bias_variable([256])
    h_conv2 = tf.nn.relu(conv2d(h_pool1, W_conv2) + b_conv2)

    # プーリング層2の作成
    with tf.name_scope('pool2') as scope:
    h_pool2 = max_pool_3x3(tf.nn.local_response_normalization(h_conv2))

    # 畳み込み層3の作成
    with tf.name_scope('conv3') as scope:
    W_conv3 = weight_variable([3,3,256,384], 256)
    b_conv3 = bias_variable([384])
    h_conv3 = tf.nn.relu(conv2d(h_pool2, W_conv3) + b_conv3)

    # 畳み込み層4の作成
    with tf.name_scope('conv4') as scope:
    W_conv4 = weight_variable([3,3,384,384], 384)
    b_conv4 = bias_variable([384])
    h_conv4 = tf.nn.relu(conv2d(h_conv3, W_conv4) + b_conv4)

    # 畳み込み層5の作成
    with tf.name_scope('conv5') as scope:
    W_conv5 = weight_variable([3,3,384,256], 384)
    b_conv5 = bias_variable([256])
    h_conv5 = tf.nn.relu(conv2d(h_conv4, W_conv5) + b_conv5)

    # プーリング層3の作成
    with tf.name_scope('pool3') as scope:
    h_pool3 = max_pool_3x3(h_conv5)

    # 全結合層1の作成
    with tf.name_scope('fc1') as scope:
    W_fc1 = weight_variable([7*7*256, 4096], (7*7*256))
    b_fc1 = bias_variable([4096])
    h_pool3_flat = tf.reshape(h_pool3, [-1, 7*7*256])
    h_fc1 = tf.nn.relu(tf.matmul(h_pool3_flat, W_fc1) + b_fc1)
    # dropoutの設定
    h_fc1_drop = tf.nn.dropout(h_fc1, keep_prob)

    # 全結合層2の作成
    with tf.name_scope('fc2') as scope:
    w_fc2 = weight_variable([4096,4096], 4096)
    b_fc2 = bias_variable([4096])
    h_fc2 = tf.nn.relu(tf.matmul(h_fc1_drop,w_fc2) + b_fc2)

    h_fc2_drop = tf.nn.dropout(h_fc2, keep_prob)

    # 全結合層3の作成
    with tf.name_scope('fc3') as scope:
    W_fc3 = weight_variable([4096, NUM_CLASSES], 4096)
    b_fc3 = bias_variable([NUM_CLASSES])

    y_conv = tf.matmul(h_fc2_drop, W_fc3) + b_fc3

    # ソフトマックス関数による正規化
    with tf.name_scope('softmax') as scope:
    y_conv=tf.nn.softmax(tf.matmul(h_fc2_drop, W_fc3) + b_fc3)

    # 各ラベルの確率のようなものを返す
    return y_conv

    def loss(logits, labels):
    """ lossを計算する関数

    引数:
    logits: ロジットのtensor, float - [batch_size, NUM_CLASSES]
    labels: ラベルのtensor, int32 - [batch_size, NUM_CLASSES]

    返り値:
    cross_entropy: 交差エントロピーのtensor, float

    """

    # 交差エントロピーの計算
    cross_entropy = tf.reduce_mean(-tf.reduce_sum(labels*tf.log(tf.clip_by_value(logits,1e-10,1.0))))

    # TensorBoardで表示するよう指定
    tf.summary.scalar("cross_entropy", cross_entropy)
    return cross_entropy

    def training(loss, learning_rate):
    train_step = tf.train.AdamOptimizer(learning_rate).minimize(loss)
    return train_step

    def accuracy(logits, labels):
    correct_prediction = tf.equal(tf.argmax(logits, 1), tf.argmax(labels, 1))
    accuracy = tf.reduce_mean(tf.cast(correct_prediction, "float"))
    tf.summary.scalar("accuracy", accuracy)
    return accuracy

    if __name__ == '__main__':
    # ファイルを開く
    f = open(FLAGS.train, 'r')
    # データを入れる配列
    train_image = []
    train_label = []
    for line in f:
    # 改行を除いてスペース区切りにする
    line = line.rstrip()
    l = line.split()
    # # データを読み込んでIMAGE_SIZExIMAGE_SIZEに縮小
    img = cv2.imread(l[0])
    img = cv2.resize(img, (IMAGE_SIZE, IMAGE_SIZE))

    # 一列にした後、0-1のfloat値にする
    train_image.append(img.flatten().astype(np.float32)/255.0)
    # ラベルを1-of-k方式で用意する
    tmp = np.zeros(NUM_CLASSES)
    tmp[int(l[1])] = 1
    train_label.append(tmp)
    # numpy形式に変換
    train_image = np.asarray(train_image)
    train_label = np.asarray(train_label)
    f.close()

    f = open(FLAGS.test, 'r')
    test_image = []
    test_label = []
    for line in f:
    line = line.rstrip()
    l = line.split()
    img = cv2.imread(l[0])
    img = cv2.resize(img, (IMAGE_SIZE, IMAGE_SIZE))
    test_image.append(img.flatten().astype(np.float32)/255.0)
    tmp = np.zeros(NUM_CLASSES)
    tmp[int(l[1])] = 1
    test_label.append(tmp)
    test_image = np.asarray(test_image)
    test_label = np.asarray(test_label)
    f.close()

    with tf.Graph().as_default():
    # 画像を入れる仮のTensor
    images_placeholder = tf.placeholder("float32", shape=(None, IMAGE_PIXELS))
    # ラベルを入れる仮のTensor
    labels_placeholder = tf.placeholder("float32", shape=(None, NUM_CLASSES))
    # dropout率を入れる仮のTensor
    keep_prob = tf.placeholder("float")

    # inference()を呼び出してモデルを作る
    logits = inference(images_placeholder, keep_prob)
    # loss()を呼び出して損失を計算
    loss_value = loss(logits, labels_placeholder)
    # training()を呼び出して訓練
    train_op = training(loss_value, FLAGS.learning_rate)
    # 精度の計算
    acc = accuracy(logits, labels_placeholder)
    # 保存の準備
    saver = tf.train.Saver()
    # Sessionの作成
    sess = tf.Session()
    # 変数の初期化
    sess.run(tf.global_variables_initializer())
    # TensorBoardで表示する値の設定
    summary_op = tf.summary.merge_all()
    summary_writer = tf.summary.FileWriter(FLAGS.train_dir, sess.graph_def)

    # 訓練の実行
    for step in range(FLAGS.max_steps):
    for i in range(len(train_image)//FLAGS.batch_size):
    # batch_size分の画像に対して訓練の実行
    batch = FLAGS.batch_size*i

    # feed_dictでplaceholderに入れるデータを指定する
    point=sess.run(train_op, feed_dict={
    images_placeholder: train_image[batch:batch+FLAGS.batch_size],
    labels_placeholder: train_label[batch:batch+FLAGS.batch_size],
    keep_prob: 0.5})

    # 1 step終わるたびに精度を計算する
    train_accuracy = sess.run(acc, feed_dict={
    images_placeholder: train_image,
    labels_placeholder: train_label,
    keep_prob: 1.0})
    print ("step %d, training accuracy %g"%(step, train_accuracy))

    # 1 step終わるたびにTensorBoardに表示する値を追加する
    summary_str = sess.run(summary_op, feed_dict={
    images_placeholder: train_image,
    labels_placeholder: train_label,
    keep_prob: 1.0})
    summary_writer.add_summary(summary_str, step)

    # 訓練が終了したらテストデータに対する精度を表示
    print ("test accuracy %g"%sess.run(acc, feed_dict={
    images_placeholder: test_image,
    labels_placeholder: test_label,
    keep_prob: 1.0}))

    # 最終的なモデルを保存
    save_path = saver.save(sess, "model.ckpt")

    # 画像を入れる仮のTensor
    images_placeholder = tf.placeholder("float32", shape=(None, IMAGE_PIXELS))
    # ラベルを入れる仮のTensor
    labels_placeholder = tf.placeholder("float32", shape=(None, NUM_CLASSES))
    # dropout率を入れる仮のTensor
    keep_prob = tf.placeholder("float32")
    logits = inference(images_placeholder,keep_prob)
    sess = tf.InteractiveSession()
    saver = tf.train.Saver()
    hoge = sess.run(tf.global_variables_initializer())
    saver.restore(sess,"model.ckpt")

    for i in range(len(test_image)):
    #最大の確率のラベルを表示
    hoge = np.argmax(logits.eval(feed_dict={images_placeholder: [test_image[i]],keep_prob: 1.0 })[0])
    print("%s"%hoge)

    exit()

    キャンセル

同じタグがついた質問を見る

  • Python

    10381questions

    Pythonは、コードの読みやすさが特徴的なプログラミング言語の1つです。 強い型付け、動的型付けに対応しており、後方互換性がないバージョン2系とバージョン3系が使用されています。 商用製品の開発にも無料で使用でき、OSだけでなく仮想環境にも対応。Unicodeによる文字列操作をサポートしているため、日本語処理も標準で可能です。

  • Python 3.x

    8529questions

    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

    842questions