回答編集履歴
3
修正
answer
CHANGED
|
@@ -10,9 +10,6 @@
|
|
|
10
10
|
```python
|
|
11
11
|
def get_data():
|
|
12
12
|
'''MNIST から入力データを作成する。
|
|
13
|
-
|
|
14
|
-
Returns:
|
|
15
|
-
形状が (N, H, W, C) の numpy 配列
|
|
16
13
|
'''
|
|
17
14
|
(x_train, y_train), (x_test, y_test) = mnist.load_data()
|
|
18
15
|
|
|
@@ -105,9 +102,6 @@
|
|
|
105
102
|
|
|
106
103
|
def get_data():
|
|
107
104
|
'''MNIST から入力データを作成する。
|
|
108
|
-
|
|
109
|
-
Returns:
|
|
110
|
-
(N, H, W, C) ndarray. 入力データ
|
|
111
105
|
'''
|
|
112
106
|
|
|
113
107
|
(x_train, y_train), (x_test, y_test) = mnist.load_data()
|
2
修正
answer
CHANGED
|
@@ -16,11 +16,11 @@
|
|
|
16
16
|
'''
|
|
17
17
|
(x_train, y_train), (x_test, y_test) = mnist.load_data()
|
|
18
18
|
|
|
19
|
-
# 学習データとテストデータを合わせ
|
|
19
|
+
# 学習データとテストデータを合わせる。
|
|
20
20
|
x_samples = np.concatenate([x_train, x_test])
|
|
21
|
-
# 各画素の
|
|
21
|
+
# 各画素の範囲を [0, 255] から [-1, 1] に変換する。
|
|
22
22
|
x_samples = (x_samples.astype(np.float32) - 127.5) / 127.5
|
|
23
|
-
# チ
|
|
23
|
+
# チャンネル分の次元を追加する。 (N, H, W) -> (N, H, W, C)
|
|
24
24
|
x_samples = x_samples[..., np.newaxis]
|
|
25
25
|
|
|
26
26
|
return x_samples
|
|
@@ -112,11 +112,11 @@
|
|
|
112
112
|
|
|
113
113
|
(x_train, y_train), (x_test, y_test) = mnist.load_data()
|
|
114
114
|
|
|
115
|
-
# 学習データとテストデータを合わせ
|
|
115
|
+
# 学習データとテストデータを合わせる。
|
|
116
116
|
x_samples = np.concatenate([x_train, x_test])
|
|
117
|
-
# 各画素の
|
|
117
|
+
# 各画素の範囲を [0, 255] から [-1, 1] に変換する。
|
|
118
118
|
x_samples = (x_samples.astype(np.float32) - 127.5) / 127.5
|
|
119
|
-
# チ
|
|
119
|
+
# チャンネル分の次元を追加する。 (N, H, W) -> (N, H, W, C)
|
|
120
120
|
x_samples = x_samples[..., np.newaxis]
|
|
121
121
|
|
|
122
122
|
return x_samples
|
1
修正
answer
CHANGED
|
@@ -29,8 +29,8 @@
|
|
|
29
29
|
1000イテレーション時の画像
|
|
30
30
|
|
|
31
31
|
|
|
32
|
-
|
|
32
|
+
5000イテレーション時の画像
|
|
33
|
-
|
|
34
34
|
|
|
35
35
|
## 検証したコード
|
|
36
36
|
|