質問編集履歴
2
誤字
test
CHANGED
|
File without changes
|
test
CHANGED
|
@@ -304,8 +304,6 @@
|
|
|
304
304
|
|
|
305
305
|
img = cv2.resize(img, (28, 28))
|
|
306
306
|
|
|
307
|
-
img = tf.image.random_brightness(img, max_delta=0.8)
|
|
308
|
-
|
|
309
307
|
# 一列にした後、0-1のfloat値にする
|
|
310
308
|
|
|
311
309
|
train_image.append(img.flatten().astype(np.float32)/255.0)
|
1
誤字
test
CHANGED
|
File without changes
|
test
CHANGED
|
@@ -118,14 +118,6 @@
|
|
|
118
118
|
|
|
119
119
|
with tf.name_scope('conv1') as scope:
|
|
120
120
|
|
|
121
|
-
# 引数は[width, height, input, filters]。
|
|
122
|
-
|
|
123
|
-
# 5px*5pxの範囲で画像をフィルターしている
|
|
124
|
-
|
|
125
|
-
# inputが3なのは今回はカラー画像だから(多分)
|
|
126
|
-
|
|
127
|
-
# 32個の特徴を検出する
|
|
128
|
-
|
|
129
121
|
W_conv1 = weight_variable([5, 5, 3, 32])
|
|
130
122
|
|
|
131
123
|
b_conv1 = bias_variable([32])
|
|
@@ -134,14 +126,6 @@
|
|
|
134
126
|
|
|
135
127
|
tf.summary.histogram("wc1", W_conv1)
|
|
136
128
|
|
|
137
|
-
# プーリング層1の作成
|
|
138
|
-
|
|
139
|
-
# 2*2の大きさの枠を作り、その枠内の特徴を1*1の大きさにいい感じ変換する(特徴を圧縮させている)。
|
|
140
|
-
|
|
141
|
-
# その枠を2*2ずつスライドさせて画像全体に対して圧縮作業を適用するという理解
|
|
142
|
-
|
|
143
|
-
# ざっくり理解で細分化された特徴たちをもうちょっといい感じに大まかにまとめる(圧縮する)
|
|
144
|
-
|
|
145
129
|
with tf.name_scope('pool1') as scope:
|
|
146
130
|
|
|
147
131
|
h_pool1 = max_pool_2x2(h_conv1)
|
|
@@ -194,10 +178,6 @@
|
|
|
194
178
|
|
|
195
179
|
# dropoutの設定
|
|
196
180
|
|
|
197
|
-
# 訓練用データだけに最適化してしまい、実際にあまり使えないような
|
|
198
|
-
|
|
199
|
-
# AIになってしまう「過学習」を防止の役割を果たすらしい
|
|
200
|
-
|
|
201
181
|
h_fc1_drop = tf.nn.dropout(h_fc1, keep_prob)
|
|
202
182
|
|
|
203
183
|
# 全結合層2の作成
|