質問編集履歴
2
ミスがあった
test
CHANGED
|
File without changes
|
test
CHANGED
|
@@ -50,24 +50,6 @@
|
|
|
50
50
|
|
|
51
51
|
```
|
|
52
52
|
|
|
53
|
-
data = Image.open("out.png").convert('L')
|
|
54
|
-
|
|
55
|
-
img = np.array(data)
|
|
56
|
-
|
|
57
|
-
|
|
58
|
-
|
|
59
|
-
|
|
60
|
-
|
|
61
|
-
imgArray_flatten = img.flatten()
|
|
62
|
-
|
|
63
|
-
|
|
64
|
-
|
|
65
|
-
|
|
66
|
-
|
|
67
|
-
|
|
68
|
-
|
|
69
|
-
result = y.eval(feed_dict={x: [imgArray_flatten]})
|
|
70
|
-
|
|
71
53
|
|
|
72
54
|
|
|
73
55
|
#プログラム全体
|
1
指摘点を直した
test
CHANGED
|
File without changes
|
test
CHANGED
|
@@ -2,7 +2,13 @@
|
|
|
2
2
|
|
|
3
3
|
mnistを行おうとしたら以下のようなエラーが発生しました
|
|
4
4
|
|
|
5
|
+
|
|
6
|
+
|
|
7
|
+
例外が発生しました: ValueError
|
|
8
|
+
|
|
5
|
-
Cannot feed value of shape (1,
|
|
9
|
+
Cannot feed value of shape (1, 64) for Tensor 'Placeholder:0', which has shape '(?, 784)'
|
|
10
|
+
|
|
11
|
+
|
|
6
12
|
|
|
7
13
|
どのように改善すればよいのでしょうか
|
|
8
14
|
|
|
@@ -10,7 +16,39 @@
|
|
|
10
16
|
|
|
11
17
|
おそらく以下の部分の改善でエラーが治ると思うのですが
|
|
12
18
|
|
|
13
|
-
|
|
19
|
+
```python
|
|
20
|
+
|
|
21
|
+
def imageToData(filename):
|
|
22
|
+
|
|
23
|
+
# 画像を8x8のグレースケールへ変換
|
|
24
|
+
|
|
25
|
+
grayImage = PIL.Image.open(filename).convert("L")
|
|
26
|
+
|
|
27
|
+
grayImage = grayImage.resize((8,8),PIL.Image.ANTIALIAS)
|
|
28
|
+
|
|
29
|
+
# 数値リストへ変換
|
|
30
|
+
|
|
31
|
+
numImage = np.asarray(grayImage, dtype = float)
|
|
32
|
+
|
|
33
|
+
numImage = np.floor(16 - 16 * (numImage / 256))
|
|
34
|
+
|
|
35
|
+
numImage = numImage.flatten()
|
|
36
|
+
|
|
37
|
+
|
|
38
|
+
|
|
39
|
+
return numImage
|
|
40
|
+
|
|
41
|
+
|
|
42
|
+
|
|
43
|
+
data = imageToData("out.jpg")
|
|
44
|
+
|
|
45
|
+
|
|
46
|
+
|
|
47
|
+
# 分類する
|
|
48
|
+
|
|
49
|
+
result = y.eval(feed_dict={x: [data]})
|
|
50
|
+
|
|
51
|
+
```
|
|
14
52
|
|
|
15
53
|
data = Image.open("out.png").convert('L')
|
|
16
54
|
|
|
@@ -34,6 +72,8 @@
|
|
|
34
72
|
|
|
35
73
|
#プログラム全体
|
|
36
74
|
|
|
75
|
+
```python
|
|
76
|
+
|
|
37
77
|
import tensorflow as tf
|
|
38
78
|
|
|
39
79
|
import numpy as np
|
|
@@ -52,21 +92,25 @@
|
|
|
52
92
|
|
|
53
93
|
from io import BytesIO
|
|
54
94
|
|
|
55
|
-
|
|
95
|
+
import PIL
|
|
96
|
+
|
|
97
|
+
|
|
98
|
+
|
|
99
|
+
|
|
100
|
+
|
|
56
|
-
|
|
101
|
+
# （１）手書き数字の学習データを読み込みます。
|
|
57
|
-
|
|
58
|
-
|
|
59
|
-
|
|
60
102
|
|
|
61
103
|
mnist = mnist_loader.read_data_sets("MNIST_data/", one_hot=True)
|
|
62
104
|
|
|
63
105
|
|
|
64
106
|
|
|
107
|
+
# （２）ニューラルネットワークサイズ等設定値を指定します。
|
|
108
|
+
|
|
65
109
|
x = tf.placeholder("float",[None,784])
|
|
66
110
|
|
|
67
|
-
Weight = tf.Variable(tf.zeros([784,10]))
|
|
111
|
+
Weight = tf.Variable(tf.zeros([784,10])) # 縦28セル*横28セルなので、ニューラルネットワークの第1層は。784
|
|
68
|
-
|
|
112
|
+
|
|
69
|
-
b = tf.Variable(tf.zeros([10]))
|
|
113
|
+
b = tf.Variable(tf.zeros([10])) # 第2層は10個のニューロンを設定。10個の数字の対応する箇所の値が大きくなるよう学習させる
|
|
70
114
|
|
|
71
115
|
y = tf.nn.softmax(tf.matmul(x,Weight)+b)
|
|
72
116
|
|
|
@@ -78,6 +122,8 @@
|
|
|
78
122
|
|
|
79
123
|
|
|
80
124
|
|
|
125
|
+
# （３）学習の実行。ニューラルネットワークに学習させる回数は1200回。
|
|
126
|
+
|
|
81
127
|
init = tf.global_variables_initializer()
|
|
82
128
|
|
|
83
129
|
ss = tf.InteractiveSession()
|
|
@@ -230,26 +276,42 @@
|
|
|
230
276
|
|
|
231
277
|
|
|
232
278
|
|
|
279
|
+
def imageToData(filename):
|
|
280
|
+
|
|
281
|
+
# 画像を8x8のグレースケールへ変換
|
|
282
|
+
|
|
233
|
-
|
|
283
|
+
grayImage = PIL.Image.open(filename).convert("L")
|
|
284
|
+
|
|
234
|
-
|
|
285
|
+
grayImage = grayImage.resize((8,8),PIL.Image.ANTIALIAS)
|
|
286
|
+
|
|
287
|
+
# 数値リストへ変換
|
|
288
|
+
|
|
235
|
-
|
|
289
|
+
numImage = np.asarray(grayImage, dtype = float)
|
|
290
|
+
|
|
236
|
-
|
|
291
|
+
numImage = np.floor(16 - 16 * (numImage / 256))
|
|
237
|
-
|
|
238
|
-
|
|
239
|
-
|
|
240
|
-
|
|
292
|
+
|
|
241
|
-
|
|
293
|
+
numImage = numImage.flatten()
|
|
294
|
+
|
|
295
|
+
|
|
296
|
+
|
|
242
|
-
|
|
297
|
+
return numImage
|
|
298
|
+
|
|
299
|
+
|
|
300
|
+
|
|
243
|
-
|
|
301
|
+
data = imageToData("out.jpg")
|
|
302
|
+
|
|
303
|
+
|
|
304
|
+
|
|
244
|
-
|
|
305
|
+
# 分類する
|
|
245
|
-
|
|
246
|
-
|
|
247
|
-
|
|
248
|
-
|
|
306
|
+
|
|
249
|
-
result = y.eval(feed_dict={x: [
|
|
307
|
+
result = y.eval(feed_dict={x: [data]})
|
|
250
|
-
|
|
251
|
-
|
|
252
|
-
|
|
308
|
+
|
|
309
|
+
|
|
310
|
+
|
|
253
|
-
print(result)
|
|
311
|
+
print(result) # 分類結果の表示。配列の先頭が0で末尾が9に相当し、可能性が高いと判定されたものほど1に近い値が表示されます。
|
|
312
|
+
|
|
313
|
+
|
|
254
314
|
|
|
255
315
|
plt.bar(np.array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9]), result[0])
|
|
316
|
+
|
|
317
|
+
```
|