回答編集履歴
5
変数sizeの変更
answer
CHANGED
|
@@ -88,7 +88,7 @@
|
|
|
88
88
|
# 全結合層1の作成
|
|
89
89
|
with tf.name_scope('fc1') as scope:
|
|
90
90
|
# 7 * 7 * 64 から不定のsizeに変更 画像sizeを変更しても修正がいらない
|
|
91
|
-
size = tf.size(h_pool2)
|
|
91
|
+
size = tf.size(h_pool2[0])
|
|
92
92
|
W_fc1 = weight_variable([size, 1024])
|
|
93
93
|
b_fc1 = bias_variable([1024])
|
|
94
94
|
h_pool2_flat = tf.reshape(h_pool2, [-1, size])
|
4
NUM_CLASSESの値の変更
answer
CHANGED
|
@@ -19,7 +19,7 @@
|
|
|
19
19
|
import tensorflow as tf
|
|
20
20
|
import tensorflow.python.platform
|
|
21
21
|
|
|
22
|
-
NUM_CLASSES =
|
|
22
|
+
NUM_CLASSES = 12
|
|
23
23
|
IMAGE_SIZE = 56
|
|
24
24
|
IMAGE_PIXELS = IMAGE_SIZE*IMAGE_SIZE*3
|
|
25
25
|
|
3
修正
answer
CHANGED
|
@@ -9,6 +9,7 @@
|
|
|
9
9
|
|
|
10
10
|
このネットワークには28 * 28 * 3 に変換可能なサイズを渡しましょう。
|
|
11
11
|
|
|
12
|
+
ネットワークの部分だけ修正(見落としがある可能性があります)
|
|
12
13
|
```python
|
|
13
14
|
#!/usr/bin/env python
|
|
14
15
|
# -*- coding: utf-8 -*-
|
2
コード追加
answer
CHANGED
|
@@ -7,4 +7,96 @@
|
|
|
7
7
|
|
|
8
8
|
```
|
|
9
9
|
|
|
10
|
-
このネットワークには28 * 28 * 3 に変換可能なサイズを渡しましょう。
|
|
10
|
+
このネットワークには28 * 28 * 3 に変換可能なサイズを渡しましょう。
|
|
11
|
+
|
|
12
|
+
```python
|
|
13
|
+
#!/usr/bin/env python
|
|
14
|
+
# -*- coding: utf-8 -*-
|
|
15
|
+
import sys
|
|
16
|
+
import cv2
|
|
17
|
+
import numpy as np
|
|
18
|
+
import tensorflow as tf
|
|
19
|
+
import tensorflow.python.platform
|
|
20
|
+
|
|
21
|
+
NUM_CLASSES = 2
|
|
22
|
+
IMAGE_SIZE = 56
|
|
23
|
+
IMAGE_PIXELS = IMAGE_SIZE*IMAGE_SIZE*3
|
|
24
|
+
|
|
25
|
+
flags = tf.app.flags
|
|
26
|
+
FLAGS = flags.FLAGS
|
|
27
|
+
flags.DEFINE_string('train', 'train.txt', 'File name of train data')
|
|
28
|
+
flags.DEFINE_string('test', 'test.txt', 'File name of train data')
|
|
29
|
+
flags.DEFINE_string('train_dir', '/tmp/data', 'Directory to put the training data.')
|
|
30
|
+
flags.DEFINE_integer('max_steps', 200, 'Number of steps to run trainer.')
|
|
31
|
+
flags.DEFINE_integer('batch_size', 10, 'Batch size'
|
|
32
|
+
'Must divide evenly into the dataset sizes.')
|
|
33
|
+
flags.DEFINE_float('learning_rate', 1e-4, 'Initial learning rate.')
|
|
34
|
+
|
|
35
|
+
def inference(images_placeholder, keep_prob):
|
|
36
|
+
""" 予測モデルを作成する関数
|
|
37
|
+
|
|
38
|
+
引数:
|
|
39
|
+
images_placeholder: 画像のplaceholder
|
|
40
|
+
keep_prob: dropout率のplace_holder
|
|
41
|
+
|
|
42
|
+
返り値:
|
|
43
|
+
y_conv: 各クラスの確率(のようなもの)
|
|
44
|
+
"""
|
|
45
|
+
# 重みを標準偏差0.1の正規分布で初期化
|
|
46
|
+
def weight_variable(shape):
|
|
47
|
+
initial = tf.truncated_normal(shape, stddev=0.1)
|
|
48
|
+
return tf.Variable(initial)
|
|
49
|
+
|
|
50
|
+
# バイアスを標準偏差0.1の正規分布で初期化
|
|
51
|
+
def bias_variable(shape):
|
|
52
|
+
initial = tf.constant(0.1, shape=shape)
|
|
53
|
+
return tf.Variable(initial)
|
|
54
|
+
|
|
55
|
+
# 畳み込み層の作成
|
|
56
|
+
def conv2d(x, W):
|
|
57
|
+
return tf.nn.conv2d(x, W, strides=[1, 1, 1, 1], padding='SAME')
|
|
58
|
+
|
|
59
|
+
# プーリング層の作成
|
|
60
|
+
def max_pool_2x2(x):
|
|
61
|
+
return tf.nn.max_pool(x, ksize=[1, 2, 2, 1],
|
|
62
|
+
strides=[1, 2, 2, 1], padding='SAME')
|
|
63
|
+
|
|
64
|
+
# 入力を28x28x3に変形
|
|
65
|
+
x_image = tf.reshape(images_placeholder, [-1, 56, 56, 3])
|
|
66
|
+
|
|
67
|
+
# 畳み込み層1の作成
|
|
68
|
+
with tf.name_scope('conv1') as scope:
|
|
69
|
+
W_conv1 = weight_variable([5, 5, 3, 32])
|
|
70
|
+
b_conv1 = bias_variable([32])
|
|
71
|
+
h_conv1 = tf.nn.relu(conv2d(x_image, W_conv1) + b_conv1)
|
|
72
|
+
|
|
73
|
+
# プーリング層1の作成
|
|
74
|
+
with tf.name_scope('pool1') as scope:
|
|
75
|
+
h_pool1 = max_pool_2x2(h_conv1)
|
|
76
|
+
|
|
77
|
+
# 畳み込み層2の作成
|
|
78
|
+
with tf.name_scope('conv2') as scope:
|
|
79
|
+
W_conv2 = weight_variable([5, 5, 32, 64])
|
|
80
|
+
b_conv2 = bias_variable([64])
|
|
81
|
+
h_conv2 = tf.nn.relu(conv2d(h_pool1, W_conv2) + b_conv2)
|
|
82
|
+
|
|
83
|
+
# プーリング層2の作成
|
|
84
|
+
with tf.name_scope('pool2') as scope:
|
|
85
|
+
h_pool2 = max_pool_2x2(h_conv2)
|
|
86
|
+
|
|
87
|
+
# 全結合層1の作成
|
|
88
|
+
with tf.name_scope('fc1') as scope:
|
|
89
|
+
# 7 * 7 * 64 から不定のsizeに変更 画像sizeを変更しても修正がいらない
|
|
90
|
+
size = tf.size(h_pool2)
|
|
91
|
+
W_fc1 = weight_variable([size, 1024])
|
|
92
|
+
b_fc1 = bias_variable([1024])
|
|
93
|
+
h_pool2_flat = tf.reshape(h_pool2, [-1, size])
|
|
94
|
+
h_fc1 = tf.nn.relu(tf.matmul(h_pool2_flat, W_fc1) + b_fc1)
|
|
95
|
+
# dropoutの設定
|
|
96
|
+
h_fc1_drop = tf.nn.dropout(h_fc1, keep_prob)
|
|
97
|
+
|
|
98
|
+
# 全結合層2の作成
|
|
99
|
+
with tf.name_scope('fc2') as scope:
|
|
100
|
+
W_fc2 = weight_variable([1024, NUM_CLASSES])
|
|
101
|
+
b_fc2 = bias_variable([NUM_CLASSES])
|
|
102
|
+
```
|
1
訂正
answer
CHANGED
|
@@ -7,4 +7,4 @@
|
|
|
7
7
|
|
|
8
8
|
```
|
|
9
9
|
|
|
10
|
-
このネットワークには28 * 28 * 3 を
|
|
10
|
+
このネットワークには28 * 28 * 3 に変換可能なサイズを渡しましょう。
|