差分

この文書の現在のバージョンと選択したバージョンの差分を表示します。

--- 1_kerasを使用するためのimport文 [2017/10/27]
adash333 [開発環境]
+++ 1_kerasを使用するためのimport文 [2018/10/07] (現在)
@@ ライン 1: / ライン 1: @@
 ===== (1)Kerasを使用するためのimport文 =====
-<KerasでMNIST目次>\\
+<wrap hi>Keras2でMNIST目次</wrap>\\
-[[Kerasプログラミングの全体図]]\\
+[[Kerasプログラミングの全体図]]
-[[(1)Kerasを使用するためのimport文]]\\
+  -[[(1)Kerasを使用するためのimport文]]　<wrap hi><= いまココ</wrap>
-[[(2)データ準備(Keras)]]\\
+  -[[(2)データ準備(Keras)]]
-[[(3)モデル設定(Keras)]]\\
+  -[[(3)モデル設定(Keras)]]
-[[(4)モデル学習(Keras)]]\\
+  -[[(4)モデル学習(Keras)]]
-[[(5)結果の出力(Keras)]]\\
+  -[[(5)結果の出力(Keras)]]
-[[(6)学習結果の保存(Keras)]]\\
+  -[[(6)学習結果の保存(Keras)]]
-[[(7)推測(Keras)]]\\
+  -[[(7)推測(Keras)]]
 最初に以下をコピペするだけですが、プログラムごとに、さらにimport文の追加が必要になる場合があります。
@@ ライン 35: / ライン 35: @@
-===== 参考文献 =====
+上記コードを見ても最初はさっぱりだと思いますが、[[(7)推測|(7)推測(Chainer)]]まで読み終えた後、もう一度このページに戻ってきて、「ああ、ここでこれを使用するためにこれをimportしたんだなあ」くらいに思い出していただければと思います。
-初めてKerasプログラミングをやるときの超おすすめ本。
+===== 開発環境 =====
-\\
+Windows 8.1\\
+Anaconda \\
+Python 3.5\\
+Tensorflow 1.4\\
+Keras 2.0.9\\
-<html>
+Keras2.0のインストール方法は[[windowsにkeras2.0をインストール]]をご覧下さい。
-<iframe style="width:120px;height:240px;" marginwidth="0" marginheight="0" scrolling="no" frameborder="0" src="//rcm-fe.amazon-adsystem.com/e/cm?lt1=_blank&bc1=000000&IS2=1&bg1=FFFFFF&fc1=000000&lc1=0000FF&t=twosquirrel-22&o=9&p=8&l=as4&m=amazon&f=ifr&ref=as_ss_li_til&asins=4873117585&linkId=13a7db2c19cc5f40d6ab48906de8abd1"></iframe>
+以下は、上記リンクに記載のように、Anaconda Promptで、keras2という仮想環境を作成し、Keras 2.0をインストールしてある前提で、話を進めさせて頂きます。
+===== 手順 =====
+今回から、
-&nbsp;
-<iframe style="width:120px;height:240px;" marginwidth="0" marginheight="0" scrolling="no" frameborder="0" src="//rcm-fe.amazon-adsystem.com/e/cm?lt1=_blank&bc1=000000&IS2=1&bg1=FFFFFF&fc1=000000&lc1=0000FF&t=twosquirrel-22&o=9&p=8&l=as4&m=amazon&f=ifr&ref=as_ss_li_til&asins=4839962510&linkId=d722909965b5eab4196d370757843f6f"></iframe>
-</html>
-===== リンク =====
+に従って、jupyter notebook上で、Keras2でMNIST手書き文字認識の機械学習を行い、Keras2プログラミングを学んでいきます。
-目次\\
+==== 0. AnacondaのインストールとKeras2仮想環境 ====
-[[Kerasプログラミングの全体図]]\\
-[[(1)Kerasを使用するためのimport文]]\\
-[[(2)データ準備(Keras)]]\\
-[[(3)モデル設定(Keras)]]\\
-[[(4)モデル学習(Keras)]]\\
-[[(5)結果の出力(Keras)]]\\
-[[(6)学習結果の保存(Keras)]]\\
-[[(7)推測(Keras)]]\\
-===== 開発環境 =====
-Panasonic CF-RZ4\\
-Windows 8.1 Pro\\
-Anaconda 4.4.0\\
-Python 3.5\\
-Chainer 2.0\\
-OpenCV3
-Kerasのインストール方法は[[WindowsにKeras2.0をインストール]]をご覧下さい。
+（前提１）WindowsパソコンにAnacondaをインストール済み。\\
+インストールしていない場合は、以下をご覧になり、インストールしておいてください。\\ [[http://twosquirrel.mints.ne.jp/dokuwiki/doku.php/windows%E3%81%A7python%E3%82%92%E5%A7%8B%E3%82%81%E3%82%8B%E6%96%B9%E6%B3%952017%E5%B9%B4%E7%89%88#３_windowsパソコンにanacondaをインストール_所要時間_約40分間|Anacondaのインストール]]
-以下は、上記リンクに記載のように、Anaconda Promptで、デフォルトの仮想環境に、Keras 2.0をインストールしてある前提で、話を進めさせて頂きます。
+（前提２）さらに、Anaconda Prompt上でkeras2.0をインストールしておく。\\
+具体的な方法については、[[windowsにkeras2.0をインストール]]をご覧ください。
-===== 手順 =====
+==== 1. Jupyter Notebookの開始 ====
-今回から、
-Chainer: ビギナー向けチュートリアル Vol.1\\
+Windowsのスタートボタンから、Anaconda Promptを起動
-https://qiita.com/mitmul/items/eccf4e0a84cb784ba84a
-に従って、jupyter notebook上で、Chainer2でMNIST手書き文字認識の機械学習を行い、Chainer2プログラミングを学んでいきます。
+{{:pasted:20171103-125512.png}}
-==== 1. Jupyter Notebookの起動 ====
+今回は、C:/py/keras/MNIST_MLP/ フォルダをWindowsで作成しておき、そちらに、ipynbファイルを作成して、プログラミングを行っていくこととします。
-C:/ ドライブ下に、chainer2/ フォルダを作成します。
-{{:pasted:20171019-224111.png}}
-Windowsのスタートボタンから、Anaconda Promptを開いて、以下を入力します。
+Anaconda Prompt上で、以下のコマンドを入力
+<code>
+cd c:/py/keras/MNIST_MLP
+</code>
+keras2仮想環境を起動
+<code>
+activate keras2
+</code>
+Jupyter Notebookの起動
 <code>
-cd C:/chainer2
-activate chainer2
 jupyter notebook
 </code>
-{{:pasted:20171019-224232.png}}
+{{:pasted:20171106-041410.png}}
-この後、Webブラウザ（Chromeがオススメです。）が自動的に開き、以下のような画面になります。
+すると、ブラウザ（Chromeがお勧めです）が自動的に開いて、以下のような画面になるので、画面右側の方の「New」＞「python3」の順にクリックして、新規Jupyter Notebookを作成。
-{{:pasted:20171019-224809.png}}
+{{:pasted:20171103-173912.png}}
-==== 2. ipynbファイルの作成と、Import文の入力（Copy and Paste） ====
+新しいJupyter Notebookが開かれるので、画面上の方の「Untitled」をクリックして、名前を、「train_MNIST_MLP」に変更。
-画面右上の、「New」をクリックして、Python 3 (または、chainer2)をクリックして、新しいipynbファイルを作成する。
-{{:pasted:20171019-224643.png}}
+{{:pasted:20171103-175203.png}}
-以下のような画面になるので、一番上の、Untitled　をクリックして、MNIST_MLP と入力してEnter。
+{{:pasted:20171106-041940.png}}
-{{:pasted:20171019-225023.png}}
+以下のような状態からスタートします。
-{{:pasted:20171019-225238.png}}
+{{:pasted:20171106-042015.png}}
-以下のような画面になる。
+==== 2. Import文の入力（Copy and Paste） ====
-{{:pasted:20171019-225356.png}}
+次のような状態になっていると思われます。
-上図の部分に、Chainerプログラミングを開始するために必要な、以下のImport文をコピペする。
+{{:pasted:20171106-042240.png}}
+上図の部分に、Chainerプログラミングを開始するために必要な、以下のImport文をコピペします。
 <code>
+import keras
+from keras.models import Sequential
+from keras.layers import Dense, Dropout
+from keras.optimizers import RMSprop
+from keras.utils import np_utils
+from sklearn.model_selection import train_test_split
 import numpy as np
-import chainer
+from PIL import Image
-from chainer import cuda, Function, report, training, utils, Variable
+import os
-from chainer import datasets, iterators, optimizers, serializers
-from chainer import Link, Chain, ChainList
-import chainer.functions as F
-import chainer.links as L
-from chainer.training import extensions
 </code>
-さらに、Shift + Enter を押すてから、数秒待つと、以下のようになる。
+さらに、Shift + Enter を押してから、数秒待つと、以下のようになります。
-{{:pasted:20171019-225550.png}}
+{{:pasted:20171106-042357.png}}
 これで、Import文の入力は終了です。
-次に、[[(2)データの準備・設定]]を行っていきます。
+次に、<wrap hi>[[(2)データ準備(Keras)]]</wrap>を行っていきます。
 ===== 参考文献 =====
-Chainer: ビギナー向けチュートリアル Vol.1
+初めてKerasプログラミングをやるときの超おすすめ本。\\
-mitmul
-年05月18日に更新\\
-https://qiita.com/mitmul/items/eccf4e0a84cb784ba84a
 <html>
-<iframe style="width:120px;height:240px;" marginwidth="0" marginheight="0" scrolling="no" frameborder="0" src="//rcm-fe.amazon-adsystem.com/e/cm?lt1=_blank&bc1=000000&IS2=1&bg1=FFFFFF&fc1=000000&lc1=0000FF&t=twosquirrel-22&o=9&p=8&l=as4&m=amazon&f=ifr&ref=as_ss_li_til&asins=B01NBMKH21&linkId=a7a35903a4c55f62d8aa012c3d0277d8"></iframe>
+<iframe style="width:120px;height:240px;" marginwidth="0" marginheight="0" scrolling="no" frameborder="0" src="//rcm-fe.amazon-adsystem.com/e/cm?lt1=_blank&bc1=000000&IS2=1&bg1=FFFFFF&fc1=000000&lc1=0000FF&t=twosquirrel-22&o=9&p=8&l=as4&m=amazon&f=ifr&ref=as_ss_li_til&asins=4873117585&linkId=13a7db2c19cc5f40d6ab48906de8abd1"></iframe>
+&nbsp;
+<iframe style="width:120px;height:240px;" marginwidth="0" marginheight="0" scrolling="no" frameborder="0" src="//rcm-fe.amazon-adsystem.com/e/cm?lt1=_blank&bc1=000000&IS2=1&bg1=FFFFFF&fc1=000000&lc1=0000FF&t=twosquirrel-22&o=9&p=8&l=as4&m=amazon&f=ifr&ref=as_ss_li_til&asins=4839962510&linkId=d722909965b5eab4196d370757843f6f"></iframe>
 </html>
+機械学習で用いるpythonの”import xxx”まとめ
+/10/25
+http://twosquirrel.mints.ne.jp/?p=20344
 ===== リンク =====
-<KerasでMNIST目次>\\
+次 [[(2)データ準備(Keras)]]
-[[Kerasプログラミングの全体図]]\\
-[[(1)Kerasを使用するためのimport文]]\\
+前 [[Kerasプログラミングの全体図]]
-[[(2)データの準備・設定]]\\
-[[(3)モデルの記述]]\\
-[[(4)モデルと最適化アルゴリズムの設定]]\\
+<wrap hi>Keras2でMNIST目次</wrap>\\
-[[(5)学習（Trainerを利用しない場合）]]\\
+[[Kerasプログラミングの全体図]]
-[[(6)結果の出力]]\\
+  -[[(1)Kerasを使用するためのimport文]]
+  -[[(2)データ準備(Keras)]]
+  -[[(3)モデル設定(Keras)]]
+  -[[(4)モデル学習(Keras)]]
+  -[[(5)結果の出力(Keras)]]
+  -[[(6)学習結果の保存(Keras)]]
+  -[[(7)推測(Keras)]]

サルでもわかる機械学習

ユーザ用ツール

サイト用ツール

差分

ページ用ツール