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
+++ 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 34: / ライン 34: @@
 http://twosquirrel.mints.ne.jp/?p=20344
+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。
+===== 開発環境 =====
+Windows 8.1\\
+Anaconda \\
+Python 3.5\\
+Tensorflow 1.4\\
+Keras 2.0.9\\
+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。
+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、
+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。
+==== 0. AnacondaのインストールとKeras2仮想環境 ====
+（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]]
+（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。
+==== 1. Jupyter Notebookの開始 ====
+Windowsのスタートボタンから、Anaconda Promptを起動
+{{:pasted:20171103-125512.png}}
+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。
+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>
+jupyter notebook
+</code>
+{{:pasted:20171106-041410.png}}
+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:20171103-173912.png}}
+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。
+{{:pasted:20171103-175203.png}}
+{{:pasted:20171106-041940.png}}
+以下のような状態からスタートします。
+{{:pasted:20171106-042015.png}}
+==== 2. Import文の入力（Copy and Paste） ====
+次のような状態になっていると思われます。
+{{: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
+from PIL import Image
+import os
+</code>
+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:20171106-042357.png}}
+これで、Import文の入力は終了です。
+次に、<wrap hi>[[(2)データ準備(Keras)]]</wrap>を行っていきます。
 ===== 参考文献 =====
@@ ライン 47: / ライン 140: @@
 </html>
-===== リンク =====
-目次\\
+機械学習で用いるpythonの”import xxx”まとめ
-[[Kerasプログラミングの全体図]]\\
+/10/25
-[[(1)Kerasを使用するためのimport文]]\\
+http://twosquirrel.mints.ne.jp/?p=20344
-[[(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。
+===== リンク =====
-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。
+次 [[(2)データ準備(Keras)]]
-===== 参考文献 =====
+前 [[Kerasプログラミングの全体図]]
-===== リンク =====
+<wrap hi>Keras2でMNIST目次</wrap>\\
+[[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)]]
-<KerasでMNIST目次>\\
-[[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]]\\
-[[(5)学習（Trainerを利用しない場合）]]\\
-[[(6)結果の出力]]\\

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