質問編集履歴

追加のコードです。インポートしたライブラリー、前段のコードです。

2021/09/10 14:30

投稿

Shin_go

スコア19

test CHANGED Viewed

File without changes

test CHANGED Viewed

@@ -75,3 +75,213 @@
 AttributeError: 'Sequential' object has no attribute 'predict_classes'
 ```
+```Python
+# 数値計算用ライブラリ numpy をインポート
+import numpy as np
+# データフレームを提供するライブラリ pandas をインポート
+import pandas as pd
+# 機械学習用ライブラリ sklearn（scikit-learn）内にあるライブラリ  から
+# モデル構築（訓練用）/検証データ分割用メソッド train_test_split をインポート
+from sklearn.model_selection import train_test_split
+# 自分のデータを読み込むために便利なメソッドをインポート
+import os
+import re
+from tensorflow.keras.preprocessing.image import array_to_img, img_to_array, load_img
+# ディープラーニング用フレームワーク、TensorFlow のラッパーである
+# keras をインポート
+from tensorflow.keras.models import Sequential, Model, load_model
+from tensorflow.keras.layers import Dense, Conv2D, MaxPool2D, Flatten, Dropout, BatchNormalization, Activation
+from tensorflow.keras.optimizers import Adam
+from tensorflow.keras.datasets import cifar10
+from tensorflow.keras.callbacks import ModelCheckpoint, EarlyStopping
+from tensorflow.keras.preprocessing.image import ImageDataGenerator
+# 描画用ライブラリをインポート
+import matplotlib.pyplot as plt
+import seaborn as sns
+from matplotlib import gridspec, cm
+# 混合行列作成用メソッド confusion_matrix をインポート
+from sklearn.metrics import confusion_matrix
+def list_pictures(directory, ext='jpg|jpeg|bmp|png|ppm'):
+    return [os.path.join(root, f)
+            for root, _, files in os.walk(directory) for f in files
+            if re.match(r'([\w]+.(?:' + ext + '))', f.lower())]
+```
+```ここに言語を入力
+#モデルの構造を定義
+def define_model():
+  model = Sequential()
+  model.add(BatchNormalization(input_shape=(96, 96, 3)))
+  model.add(Conv2D(filters=32, kernel_size=(3,3), strides=(1,1)))
+  model.add(BatchNormalization())
+  model.add(Activation('relu'))
+  model.add(Conv2D(filters=32, kernel_size=(3,3), strides=(1,1)))
+  model.add(BatchNormalization())
+  model.add(Activation('relu'))
+  model.add(MaxPool2D(pool_size=(2,2)))
+  model.add(Dropout(0.2))
+  model.add(Conv2D(filters=64, kernel_size=(3,3), strides=(1,1)))
+  model.add(BatchNormalization())
+  model.add(Activation('relu'))
+  model.add(Conv2D(filters=64, kernel_size=(3,3), strides=(1,1)))
+  model.add(BatchNormalization())
+  model.add(Activation('relu'))
+  model.add(Conv2D(filters=64, kernel_size=(3,3), strides=(1,1)))
+  model.add(BatchNormalization())
+  model.add(Activation('relu'))
+  model.add(MaxPool2D(pool_size=(2,2)))
+  model.add(Dropout(0.2))
+  model.add(Flatten())
+  model.add(Dense(256, activation="relu"))
+  model.add(Dropout(0.2))
+  model.add(Dense(256, activation="relu"))
+  model.add(Dropout(0.2))
+  model.add(Dense(2, activation='softmax'))
+  return model
+model = define_model()
+```
+```Python
+model.compile(loss='sparse_categorical_crossentropy', optimizer=Adam(lr=0.005), metrics=['sparse_categorical_accuracy'])
+```
+```Python
+datagen = ImageDataGenerator(rotation_range=30, width_shift_range=0.3, height_shift_range=0.3, horizontal_flip=True)
+datagen.fit(X_train)
+#　訓練を実行（訓練しながら ImageDataGenerator が機能し、Data Augumentation を行っている）
+batch_size = 10
+valid_samples = 25
+train_samples = len(X_train) - valid_samples
+mc = ModelCheckpoint("cnn_model_02.h5", monitor="val_loss", save_best_only=True, verbose=1)
+es = EarlyStopping(monitor='val_loss', patience=15)
+hist = model.fit_generator(datagen.flow(X_train[:train_samples], y_train[:train_samples], batch_size=batch_size),
+                           steps_per_epoch= train_samples / batch_size,
+                           epochs=40,
+                           callbacks=[mc, es],
+                           validation_data=datagen.flow(X_train[-valid_samples:], y_train[-valid_samples:], batch_size=batch_size),
+                           validation_steps=valid_samples / batch_size)
+```