質問編集履歴
2
コードを追記しました
title
CHANGED
|
File without changes
|
body
CHANGED
|
@@ -12,4 +12,129 @@
|
|
|
12
12
|
よろしくお願いいたします。
|
|
13
13
|
|
|
14
14
|
anaconda等の導入のための参考サイト↓
|
|
15
|
-
https://qiita.com/komiya_____/items/96c14485eb035701e218
|
|
15
|
+
https://qiita.com/komiya_____/items/96c14485eb035701e218
|
|
16
|
+
|
|
17
|
+
|
|
18
|
+
|
|
19
|
+
追記（コード群）
|
|
20
|
+
|
|
21
|
+
dockerfile, docker-compose.yml, mnist.pyのコードを追記しました。mnist.pyはKeras Blogのものをほぼそのまま使ったものになります。また、有用な情報となるかわかりませんが、Dockerの環境構築は以下の記事を参考にしました。(ubuntuのバージョンは記事に合わせて18.04にしてあります)
|
|
22
|
+
|
|
23
|
+
参考記事：https://qiita.com/karaage0703/items/e79a8ad2f57abc6872aa
|
|
24
|
+
Keras Blog:https://blog.keras.io/building-autoencoders-in-keras.html
|
|
25
|
+
|
|
26
|
+
```Dockerfile
|
|
27
|
+
# ベースイメージ名:タグ名
|
|
28
|
+
FROM continuumio/anaconda3:2019.03
|
|
29
|
+
|
|
30
|
+
# pipをアップグレードし必要なパッケージをインストール
|
|
31
|
+
RUN pip install --upgrade pip && \
|
|
32
|
+
pip install autopep8 && \
|
|
33
|
+
pip install Keras && \
|
|
34
|
+
pip install tensorflow
|
|
35
|
+
|
|
36
|
+
# コンテナ側のルート直下にworkdir/（任意）という名前の作業ディレクトリを作り移動する
|
|
37
|
+
WORKDIR /workdir
|
|
38
|
+
|
|
39
|
+
# コンテナ側のリッスンポート番号
|
|
40
|
+
# 明示しているだけで、なくても動く
|
|
41
|
+
EXPOSE 8888
|
|
42
|
+
|
|
43
|
+
# ENTRYPOINT命令はコンテナ起動時に実行するコマンドを指定（基本docker runの時に上書きしないもの）
|
|
44
|
+
# "jupyter-lab" => jupyter-lab立ち上げコマンド
|
|
45
|
+
# "--ip=0.0.0.0" => ip制限なし
|
|
46
|
+
# "--port=8888" => EXPOSE命令で書いたポート番号と合わせる
|
|
47
|
+
# ”--no-browser” => ブラウザを立ち上げない。コンテナ側にはブラウザがないので 。
|
|
48
|
+
# "--allow-root" => rootユーザーの許可。セキュリティ的には良くないので、自分で使うときだけ。
|
|
49
|
+
# "--NotebookApp.token=''" => トークンなしで起動許可。これもセキュリティ的には良くない。
|
|
50
|
+
ENTRYPOINT ["jupyter-lab", "--ip=0.0.0.0", "--port=8888", "--no-browser", "--allow-root", "--NotebookApp.token=''"]
|
|
51
|
+
|
|
52
|
+
# CMD命令はコンテナ起動時に実行するコマンドを指定（docker runの時に上書きする可能性のあるもの）
|
|
53
|
+
# "--notebook-dir=/workdir" => Jupyter Labのルートとなるディレクトリを指定
|
|
54
|
+
CMD ["--notebook-dir=/workdir"]
|
|
55
|
+
|
|
56
|
+
|
|
57
|
+
```
|
|
58
|
+
|
|
59
|
+
```yaml
|
|
60
|
+
version: '3' # docker-composeファイルの書式バージョン。最新の’３’を指定（2021/6/12現在）
|
|
61
|
+
services:
|
|
62
|
+
dev: # 任意の名前（ディレクトリ名 + dev がコンテナ名となります）
|
|
63
|
+
build:
|
|
64
|
+
context: .
|
|
65
|
+
dockerfile: Dockerfile_study
|
|
66
|
+
image: study
|
|
67
|
+
ports:
|
|
68
|
+
- "8080:8888"
|
|
69
|
+
volumes:
|
|
70
|
+
- .:/workdir
|
|
71
|
+
|
|
72
|
+
```
|
|
73
|
+
|
|
74
|
+
```Python
|
|
75
|
+
from keras.layers import Input, Dense
|
|
76
|
+
from keras.models import Model
|
|
77
|
+
from keras.datasets import mnist
|
|
78
|
+
import numpy as np
|
|
79
|
+
from sklearn.model_selection import train_test_split
|
|
80
|
+
import matplotlib.pyplot as plt
|
|
81
|
+
|
|
82
|
+
# encoderの次元
|
|
83
|
+
encoding_dim = 32
|
|
84
|
+
|
|
85
|
+
# 入力用の変数
|
|
86
|
+
input_img = Input(shape=(784, ))
|
|
87
|
+
# 入力された画像がencodeされたものを格納する変数
|
|
88
|
+
encoded = Dense(encoding_dim, activation='relu')(input_img)
|
|
89
|
+
# ecnodeされたデータを再構成した画像を格納する変数
|
|
90
|
+
decoded = Dense(784, activation='sigmoid')(encoded)
|
|
91
|
+
# 入力画像を再構成するModelとして定義
|
|
92
|
+
autoencoder = Model(input_img, decoded)
|
|
93
|
+
|
|
94
|
+
# 入力する画像をencodeする部分
|
|
95
|
+
encoder = Model(input_img, encoded)
|
|
96
|
+
encoded_input = Input(shape=(encoding_dim, ))
|
|
97
|
+
decoder_layer = autoencoder.layers[-1]
|
|
98
|
+
# encodeされた画像データを再構成する部分
|
|
99
|
+
decoder = Model(encoded_input, decoder_layer(encoded_input))
|
|
100
|
+
|
|
101
|
+
# AdaDeltaで最適化, loss関数はbinary_crossentropy
|
|
102
|
+
autoencoder.compile(optimizer='adam', loss='binary_crossentropy')
|
|
103
|
+
|
|
104
|
+
# MNISTデータを前処理する
|
|
105
|
+
(x_train, _), (x_test, _) = mnist.load_data()
|
|
106
|
+
x_train, x_valid = train_test_split(x_train, test_size=0.175)
|
|
107
|
+
x_train = x_train.astype('float32')/255.
|
|
108
|
+
x_valid = x_valid.astype('float32')/255.
|
|
109
|
+
x_test = x_test.astype('float32')/255.
|
|
110
|
+
x_train = x_train.reshape((len(x_train), np.prod(x_train.shape[1:])))
|
|
111
|
+
x_valid = x_valid.reshape((len(x_valid), np.prod(x_valid.shape[1:])))
|
|
112
|
+
x_test = x_test.reshape((len(x_test), np.prod(x_test.shape[1:])))
|
|
113
|
+
|
|
114
|
+
# autoencoderの実行
|
|
115
|
+
autoencoder.fit(x_train, x_train,
|
|
116
|
+
epochs=50,
|
|
117
|
+
batch_size=256,
|
|
118
|
+
shuffle=True,
|
|
119
|
+
validation_data=(x_valid, x_valid))
|
|
120
|
+
|
|
121
|
+
# 画像化して確認
|
|
122
|
+
encoded_img = encoder.predict(x_test)
|
|
123
|
+
decoded_img = decoder.predict(encoded_img)
|
|
124
|
+
|
|
125
|
+
n = 10
|
|
126
|
+
plt.figure(figsize=(20, 4))
|
|
127
|
+
for i in range(n):
|
|
128
|
+
ax = plt.subplot(2, n, i+1)
|
|
129
|
+
plt.imshow(x_test[i].reshape(28, 28))
|
|
130
|
+
plt.gray()
|
|
131
|
+
ax.get_xaxis().set_visible(False)
|
|
132
|
+
ax.get_yaxis().set_visible(False)
|
|
133
|
+
|
|
134
|
+
ax = plt.subplot(2, n, i+1+n)
|
|
135
|
+
plt.imshow(decoded_img[i].reshape(28, 28))
|
|
136
|
+
plt.gray()
|
|
137
|
+
ax.get_xaxis().set_visible(False)
|
|
138
|
+
ax.get_yaxis().set_visible(False)
|
|
139
|
+
plt.show()
|
|
140
|
+
```
|
1
キャプチャを追加しました。
title
CHANGED
|
File without changes
|
body
CHANGED
|
@@ -6,6 +6,9 @@
|
|
|
6
6
|
VScodeのキャプチャです。
|
|
7
7
|
|
|
8
8
|
|
|
9
|
+
VScodeのポートのキャプチャです。
|
|
10
|
+
|
|
11
|
+
|
|
9
12
|
よろしくお願いいたします。
|
|
10
13
|
|
|
11
14
|
anaconda等の導入のための参考サイト↓
|