回答編集履歴
2
簡単な解決策を発見したので追記
test
CHANGED
@@ -207,3 +207,15 @@
|
|
207
207
|
|
208
208
|
|
209
209
|
[PythonとKerasによるディープラーニング](https://www.amazon.co.jp/Python%E3%81%A8Keras%E3%81%AB%E3%82%88%E3%82%8B%E3%83%87%E3%82%A3%E3%83%BC%E3%83%97%E3%83%A9%E3%83%BC%E3%83%8B%E3%83%B3%E3%82%B0-Francois-Chollet/dp/4839964262/)
|
210
|
+
|
211
|
+
|
212
|
+
|
213
|
+
|
214
|
+
|
215
|
+
ここまで説明して申し訳ないですが、質問のコードにあるload_mnistのnormalizeというオプションは画素値を0~1の間に正規化してくれるオプションと思われるので、そこをTrueにするだけで上手くいく可能性が高いです。
|
216
|
+
|
217
|
+
```
|
218
|
+
|
219
|
+
(x_train, t_train), (x_test, t_test) = load_mnist(flatten=True, normalize=True)
|
220
|
+
|
221
|
+
```
|
1
誤字を修正
test
CHANGED
@@ -1,6 +1,6 @@
|
|
1
1
|
正解データは0~9の数字10個なのでランダムに選択すると、正解率は10%になります。
|
2
2
|
|
3
|
-
つまり全く学習していない
|
3
|
+
つまり全く学習していないモデルであると言えます。
|
4
4
|
|
5
5
|
|
6
6
|
|