回答編集履歴
3
修正
test
CHANGED
|
@@ -22,12 +22,6 @@
|
|
|
22
22
|
|
|
23
23
|
'''MNIST から入力データを作成する。
|
|
24
24
|
|
|
25
|
-
|
|
26
|
-
|
|
27
|
-
Returns:
|
|
28
|
-
|
|
29
|
-
形状が (N, H, W, C) の numpy 配列
|
|
30
|
-
|
|
31
25
|
'''
|
|
32
26
|
|
|
33
27
|
(x_train, y_train), (x_test, y_test) = mnist.load_data()
|
|
@@ -212,12 +206,6 @@
|
|
|
212
206
|
|
|
213
207
|
'''MNIST から入力データを作成する。
|
|
214
208
|
|
|
215
|
-
|
|
216
|
-
|
|
217
|
-
Returns:
|
|
218
|
-
|
|
219
|
-
(N, H, W, C) ndarray. 入力データ
|
|
220
|
-
|
|
221
209
|
'''
|
|
222
210
|
|
|
223
211
|
|
2
修正
test
CHANGED
|
@@ -34,15 +34,15 @@
|
|
|
34
34
|
|
|
35
35
|
|
|
36
36
|
|
|
37
|
-
# 学習データとテストデータを合わせ
|
|
37
|
+
# 学習データとテストデータを合わせる。
|
|
38
38
|
|
|
39
39
|
x_samples = np.concatenate([x_train, x_test])
|
|
40
40
|
|
|
41
|
-
# 各画素の
|
|
41
|
+
# 各画素の範囲を [0, 255] から [-1, 1] に変換する。
|
|
42
42
|
|
|
43
43
|
x_samples = (x_samples.astype(np.float32) - 127.5) / 127.5
|
|
44
44
|
|
|
45
|
-
# チ
|
|
45
|
+
# チャンネル分の次元を追加する。 (N, H, W) -> (N, H, W, C)
|
|
46
46
|
|
|
47
47
|
x_samples = x_samples[..., np.newaxis]
|
|
48
48
|
|
|
@@ -226,15 +226,15 @@
|
|
|
226
226
|
|
|
227
227
|
|
|
228
228
|
|
|
229
|
-
# 学習データとテストデータを合わせ
|
|
229
|
+
# 学習データとテストデータを合わせる。
|
|
230
230
|
|
|
231
231
|
x_samples = np.concatenate([x_train, x_test])
|
|
232
232
|
|
|
233
|
-
# 各画素の
|
|
233
|
+
# 各画素の範囲を [0, 255] から [-1, 1] に変換する。
|
|
234
234
|
|
|
235
235
|
x_samples = (x_samples.astype(np.float32) - 127.5) / 127.5
|
|
236
236
|
|
|
237
|
-
# チ
|
|
237
|
+
# チャンネル分の次元を追加する。 (N, H, W) -> (N, H, W, C)
|
|
238
238
|
|
|
239
239
|
x_samples = x_samples[..., np.newaxis]
|
|
240
240
|
|
1
修正
test
CHANGED
|
@@ -60,9 +60,9 @@
|
|
|
60
60
|
|
|
61
61
|
|
|
62
62
|
|
|
63
|
-
|
|
63
|
+
5000イテレーション時の画像
|
|
64
|
-
|
|
64
|
+
|
|
65
|
-
|
|
66
66
|
|
|
67
67
|
|
|
68
68
|
|