質問編集履歴
2
誤字
test
CHANGED
|
File without changes
|
test
CHANGED
|
@@ -243,3 +243,5 @@
|
|
|
243
243
|
|
|
244
244
|
|
|
245
245
|
print("seikai: ", ok_count / total * 100, "%")
|
|
246
|
+
|
|
247
|
+
```
|
1
誤字
test
CHANGED
|
File without changes
|
test
CHANGED
|
@@ -4,7 +4,7 @@
|
|
|
4
4
|
|
|
5
5
|
追記
|
|
6
6
|
|
|
7
|
-
上記のサイトの通りにコードを書いたら96％の正解率が出ました。畳み込みやプーリングを使っていないように見えるのですが、どのような構成になっているのでしょうか。また畳み込みやプーリングの層を付け加えてこれ以上の正答率が出るでしょうか。最終的には転移学習で、AlexnetやVGGの中間層の特徴抽出を行
|
|
7
|
+
上記のサイトの通りにコードを書いたら96％の正解率が出ました。畳み込みやプーリングを使っていないように見えるのですが、どのような構成になっているのでしょうか。また畳み込みやプーリングの層を付け加えてこれ以上の正答率が出るでしょうか。最終的には転移学習で、AlexnetやVGGの中間層の特徴抽出を行いたいと思っています。
|
|
8
8
|
|
|
9
9
|
|
|
10
10
|
|
|
@@ -154,24 +154,26 @@
|
|
|
154
154
|
|
|
155
155
|
|
|
156
156
|
|
|
157
|
+
# オプティマイザにAdamを使用
|
|
158
|
+
|
|
159
|
+
opt = Adam(lr=0.001)
|
|
160
|
+
|
|
161
|
+
# モデルをコンパイル
|
|
162
|
+
|
|
163
|
+
model.compile(loss="categorical_crossentropy", optimizer=opt, metrics=["accuracy"])
|
|
164
|
+
|
|
165
|
+
# 学習を実行。10%はテストに使用。
|
|
166
|
+
|
|
167
|
+
model.fit(image_list, Y, nb_epoch=1500, batch_size=100, validation_split=0.1)
|
|
168
|
+
|
|
169
|
+
|
|
170
|
+
|
|
171
|
+
|
|
172
|
+
|
|
157
173
|
__**エラー発生**__
|
|
158
174
|
|
|
159
175
|
|
|
160
176
|
|
|
161
|
-
# オプティマイザにAdamを使用
|
|
162
|
-
|
|
163
|
-
opt = Adam(lr=0.001)
|
|
164
|
-
|
|
165
|
-
# モデルをコンパイル
|
|
166
|
-
|
|
167
|
-
model.compile(loss="categorical_crossentropy", optimizer=opt, metrics=["accuracy"])
|
|
168
|
-
|
|
169
|
-
# 学習を実行。10%はテストに使用。
|
|
170
|
-
|
|
171
|
-
model.fit(image_list, Y, nb_epoch=1500, batch_size=100, validation_split=0.1)
|
|
172
|
-
|
|
173
|
-
|
|
174
|
-
|
|
175
177
|
# テスト用ディレクトリ(./data/train/)の画像でチェック。正解率を表示する。
|
|
176
178
|
|
|
177
179
|
total = 0.
|
|
@@ -241,13 +243,3 @@
|
|
|
241
243
|
|
|
242
244
|
|
|
243
245
|
print("seikai: ", ok_count / total * 100, "%")
|
|
244
|
-
|
|
245
|
-
```
|
|
246
|
-
|
|
247
|
-
エラーメッセージ
|
|
248
|
-
|
|
249
|
-
```
|
|
250
|
-
|
|
251
|
-
ValueError: Input 0 is incompatible with layer conv2d_21: expected ndim=4, found ndim=5
|
|
252
|
-
|
|
253
|
-
```
|