質問編集履歴
2
修正
title
CHANGED
|
File without changes
|
body
CHANGED
|
@@ -1,6 +1,6 @@
|
|
|
1
1
|
Kerasでhistoryをグラフに出力したいのですが、学習の数値だけでグラフが出ません。
|
|
2
2
|
|
|
3
|
-
環境は macOS version:10.14.5でjupyter labを使っています。
|
|
3
|
+
環境は macOS version:10.14.5、python3.7でjupyter labを使っています。
|
|
4
4
|
|
|
5
5
|
```Python
|
|
6
6
|
import numpy as np
|
|
@@ -101,8 +101,9 @@
|
|
|
101
101
|
|
|
102
102
|
**追記**
|
|
103
103
|
|
|
104
|
-
`plt.plot`
|
|
104
|
+
`plt.plot([1, 5], [1, 10])`を書いてみたのですが、グラフが表示されませんでした。
|
|
105
|
-
|
|
105
|
+
pythonやkerasのバージョンが原因で表示されないことはあるのでしょうか？
|
|
106
|
+
|
|
106
107
|
```Python
|
|
107
108
|
import numpy as np
|
|
108
109
|
import matplotlib.pyplot as plt
|
|
@@ -161,12 +162,13 @@
|
|
|
161
162
|
epochs = range(1, len(acc) + 1)
|
|
162
163
|
|
|
163
164
|
|
|
164
|
-
print("-" *
|
|
165
|
+
print("-" * 20)
|
|
165
166
|
print(epochs)
|
|
166
167
|
print(history)
|
|
167
|
-
print("-" *
|
|
168
|
+
print("-" * 20)
|
|
168
169
|
|
|
169
170
|
|
|
171
|
+
plt.plot([1, 5], [1, 10]) # 追記
|
|
170
172
|
plt.plot(epochs, acc, label="acc", ls="-", marker="o")
|
|
171
173
|
plt.plot(epochs, val_acc, label="val_acc", ls="-", marker="x")
|
|
172
174
|
plt.ylabel("accuracy")
|
1
追記
title
CHANGED
|
File without changes
|
body
CHANGED
|
@@ -94,4 +94,82 @@
|
|
|
94
94
|
```
|
|
95
95
|
となっています。
|
|
96
96
|
|
|
97
|
-
何かわかることがございましたら、ご教示いただければ幸いです。
|
|
97
|
+
何かわかることがございましたら、ご教示いただければ幸いです。
|
|
98
|
+
|
|
99
|
+
|
|
100
|
+
---
|
|
101
|
+
|
|
102
|
+
**追記**
|
|
103
|
+
|
|
104
|
+
`plt.plot`の前に、`print`文を挿入してみたのですが、出力は上と変わらずでした。どうやら`model.fit`の行で処理が終わっているようです。
|
|
105
|
+
さらに、別セルで`print(history)`で確認したのですが、"__NameError: name 'history' is not defined__" となって`model.fit`が`history`に代入されていませんでした。
|
|
106
|
+
```Python
|
|
107
|
+
import numpy as np
|
|
108
|
+
import matplotlib.pyplot as plt
|
|
109
|
+
from keras.datasets import mnist
|
|
110
|
+
from keras.layers import Activation, Dense, Dropout
|
|
111
|
+
from keras.models import Sequential, load_model
|
|
112
|
+
from keras.utils.np_utils import to_categorical
|
|
113
|
+
from keras import optimizers
|
|
114
|
+
from keras import models
|
|
115
|
+
from keras import layers
|
|
116
|
+
import tensorflow
|
|
117
|
+
import tensorboard
|
|
118
|
+
from livelossplot import PlotLossesKeras
|
|
119
|
+
|
|
120
|
+
%matplotlib inline
|
|
121
|
+
|
|
122
|
+
(X_train, y_train), (X_test, y_test) = mnist.load_data()
|
|
123
|
+
|
|
124
|
+
X_train = X_train.reshape(X_train.shape[0], 784)[:6000]
|
|
125
|
+
X_test = X_test.reshape(X_test.shape[0], 784)[:1000]
|
|
126
|
+
y_train = to_categorical(y_train)[:6000]
|
|
127
|
+
y_test = to_categorical(y_test)[:1000]
|
|
128
|
+
|
|
129
|
+
model = Sequential()
|
|
130
|
+
model.add(Dense(256, input_dim=784))
|
|
131
|
+
model.add(Activation("sigmoid"))
|
|
132
|
+
model.add(Dense(128))
|
|
133
|
+
model.add(Activation("sigmoid"))
|
|
134
|
+
|
|
135
|
+
model.add(Dropout(rate=0.5))
|
|
136
|
+
|
|
137
|
+
model.add(Dense(10))
|
|
138
|
+
model.add(Activation("softmax"))
|
|
139
|
+
|
|
140
|
+
sgd = optimizers.SGD(lr=0.1)
|
|
141
|
+
|
|
142
|
+
model.compile(optimizer=sgd, loss="categorical_crossentropy", metrics=["accuracy"])
|
|
143
|
+
|
|
144
|
+
# callbacks = [PlotLossesKeras()]
|
|
145
|
+
|
|
146
|
+
history = model.fit(
|
|
147
|
+
X_train,
|
|
148
|
+
y_train,
|
|
149
|
+
batch_size=32,
|
|
150
|
+
epochs=5,
|
|
151
|
+
verbose=1,
|
|
152
|
+
validation_data=(X_test, y_test),
|
|
153
|
+
# callbacks=[PlotLossesKeras()]
|
|
154
|
+
)
|
|
155
|
+
|
|
156
|
+
acc = history.history["acc"]
|
|
157
|
+
val_acc = history.history["val_acc"]
|
|
158
|
+
loss = history.history["loss"]
|
|
159
|
+
val_loss = history.history["val_loss"]
|
|
160
|
+
|
|
161
|
+
epochs = range(1, len(acc) + 1)
|
|
162
|
+
|
|
163
|
+
|
|
164
|
+
print("-" * 10)
|
|
165
|
+
print(epochs)
|
|
166
|
+
print(history)
|
|
167
|
+
print("-" * 10)
|
|
168
|
+
|
|
169
|
+
|
|
170
|
+
plt.plot(epochs, acc, label="acc", ls="-", marker="o")
|
|
171
|
+
plt.plot(epochs, val_acc, label="val_acc", ls="-", marker="x")
|
|
172
|
+
plt.ylabel("accuracy")
|
|
173
|
+
plt.xlabel("epoch")
|
|
174
|
+
plt.legend(loc="best")
|
|
175
|
+
```
|