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。

--- 2_データの準備・設定 [2017/11/03]
adash333 [1. データセットの準備]
+++ 2_データの準備・設定 [2018/10/07] (現在)
@@ ライン 4: / ライン 4: @@
 [[Chainer2プログラミングの全体図]]
   -[[(1)Chainer2を使用するためのimport文]]
-  -[[(2)データの準備・設定|(2)データの準備・設定(Chainer)]]
+  -[[(2)データの準備・設定|(2)データの準備・設定(Chainer)]]　<wrap hi><= いまココ</wrap>
   -[[(3)モデルの記述|(3)モデルの記述(Chainer)]]
   -[[(4)モデルと最適化アルゴリズムの設定|(4)モデルと最適化アルゴリズムの設定(Chainer)]]
@@ ライン 67: / ライン 67: @@
 </code>
-以下のような画面になります。（以下の画面は、2回目以降の画面となります。最初は、「Downloading from http://yann.lecun.com/exdb/mnist/train-images-idx3-ubyte.gz...」といった感じの文字が4行続くと思います。）
+以下のような画面になります。（以下の画面は、2回目以降の画面となります。最初は、「Downloading from %%http://yann.lecun.com/exdb/mnist/train-images-idx3-ubyte.gz...%%」といった感じの文字が4行続くと思います。）
 {{:pasted:20171103-211623.png}}
@@ ライン 83: / ライン 83: @@
 MNISTとは何か、またこれから何をやろうとしているのかについては、以下のサイトが非常に分かりやすいです。\\
-http://exceldeeplearning.blog.jp/archives/1411297.html
+http://exceldeeplearning.blog.jp/archives/1411297.html\\
+ちなみに、よく言われているMNISTの元データのダウンロードついては、[[http://twosquirrel.mints.ne.jp/?p=20277|こちら]]をご覧いただければと思います。
 手書き数字MNISTは、本来は28x28pixelのグレースケールの画像と、それが何の数字であるかの正解ラベルのセットです。この画像と正解ラベルのセットが、training用の6万セット、test用の1万セットとなっています。
@@ ライン 126: / ライン 127: @@
 # trainデータセットの1行目を、画像データのNumpy配列(1x784)をx、正解ラベルをtとして取り出す
 x, t = train[0]
-# 1x784のNumpy配列xを、28x28のNumpy配列に変換後、matplotlibのpyplotを用いて、グレースケール画像として
+# 1x784のNumpy配列xを、28x28のNumpy配列に変換後、matplotlibのpyplotを用いて、
+# グレースケール画像として読み込み、Jupyter Notebook内で表示
 plt.imshow(x.reshape(28, 28), cmap='gray')
 plt.show()
+# 正解ラベルの表示
 print('label:', t)
 </code>
-こちらは、ダウンロードしたMNIST画像の１つを、Jupyter Notebook上に表示して確認しています。特に学習をする上では不要ですが、データを読み込んだときに、読み込んだデータと元のデータとの整合性の検証は大事なことなので、このようなコードの記載があるのだと思われます。
+こちらは、ダウンロードしたMNIST画像の１つを、Jupyter Notebook上に表示して確認しています。一つ一つのコードについては、上記のコード内にコメントで記載しました。ここでは、numpyのreshape()関数と、matplotlib.pyplotのimshow()関数、show()関数を用いています。numpyとmatplotlibは機械学習プログラミングでよく使いますので、特にNumpyについては勉強しておく必要があります。
-Chainerが用意しているMNISTデータセットを用いる手順は上記でおしまいです。
+Numpyについては、[[http://twosquirrel.mints.ne.jp/?p=20153|Chainer用の画像処理メモ（５）初めてのNumPy"import numpy as np"]]をご覧いただければ幸いですが、以下の２つの本などで、ある程度しっかり勉強しておく必要があります。
-初めての場合は、次は、とりあえず、[[(3)モデルの記述]]に進んでください。
+<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=4873117585&linkId=560f10e512d4dcc99644bbfabcb18cd3"></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=4274221075&linkId=e362b0741ce31d467f246f2a47709906"></iframe>
+</html>
+後半のコードは、特にMNISTのtrainingを行う際には不要ですが、データを読み込んだときに、読み込んだデータと元のデータとの整合性の検証は大事なことなので、このようなコードの記載があるのだと思われます。
+Chainerが用意しているMNISTデータセットを用いる手順は上記でおしまいです。
+<wrap hi>
+初めての場合は、次は、とりあえず、</wrap>[[(3)モデルの記述]]<wrap hi>に進んでください。
+</wrap>
-==== chainer.datasets.get_mnist関数について ====
+===== chainer.datasets.get_mnist関数について =====
 trainとtestに対応する２つのdatasetを返します。
@@ ライン 162: / ライン 179: @@
 {{:pasted:20171103-185942.png}}
-==== import matplotlib.pyplot as pltについて ====
+===== Numpy配列について =====
+よろしければ、以下をご覧ください。
+Chainer用の画像処理メモ（５）初めてのNumPy"import numpy as np"\\
+/10/22\\
+http://twosquirrel.mints.ne.jp/?p=20209
+Chainer用の画像処理メモ（６）画像をNumpy配列に変換\\
+/10/23\\
+http://twosquirrel.mints.ne.jp/?p=20209
+===== import matplotlib.pyplot as pltについて =====
 かなり面倒ですが、コードを理解するためには、import文の役割を一つずつ調べていくのが王道です。
-機械学習プログラミングで使用することが多いimport文について、以下にまとめていく予定ですので、もしよろしければご覧ください。
+機械学習プログラミングで使用することが多いimport文について、以下にまとめていく予定ですので、ぜひご覧ください。
 機械学習で用いるpythonの”import xxx”まとめ\\
@@ ライン 172: / ライン 201: @@
 http://twosquirrel.mints.ne.jp/?p=20344
-Matplotlibについては、以下の本の第4章「Matplotlibでグラフを描画しよう」がおすすめです。
+Matplotlibについては、以下の本の第4章「Matplotlibでグラフを描画しよう」がおすすめですが、さしあたり、[[https://qiita.com/Tatejimaru137/items/44646c9bb3799768fa81|matplotlibで画像を連続的に表示する方法メモ]]や[[http://oikakeru.hateblo.jp/entry/2017/03/30/150842|Matplotlibで画像を表示してみるetc（その1）]]が参考になります。matplotlib.pyplotで画像を表示するために、numpyとかPIL(pillow)とかいきなり出てきますので、その都度、[[http://twosquirrel.mints.ne.jp/?p=20344|機械学習で用いるpythonの”import xxx”まとめ]]で該当部分をチェックしてもよいとは思います。
 <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=B075F3CHZ4&linkId=2d818cc48f5ec3d86ce1430f996e8124"></iframe>
 </html>
-作成中
 ===== 参考文献 =====
@@ ライン 211: / ライン 236: @@
 https://qiita.com/tommyfms2/items/c3fa0cb258c17468cb30
 ===== リンク =====
-<ChainerでMNIST目次>\\
-[[Chainer2プログラミングの全体図|(0)Chainer2プログラミングの全体図]]\\
+次 [[(3)モデルの記述|(3)モデルの記述(Chainer)]]
-[[(1)Chainer2を使用するためのimport文]]\\
-[[(2)データの準備・設定|(2)tuple_datasetによるデータの準備・設定]]\\
+前 [[(1)Chainer2を使用するためのimport文]]
-[[(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）]]\\
+<wrap hi>Chainer2でMNIST目次</wrap>\\
-[[(6)結果の出力]]\\
+[[Chainer2プログラミングの全体図]]
+  -[[(1)Chainer2を使用するためのimport文]]
+  -[[(2)データの準備・設定|(2)データの準備・設定(Chainer)]]　<wrap hi><= いまココ</wrap>
+  -[[(3)モデルの記述|(3)モデルの記述(Chainer)]]
+  -[[(4)モデルと最適化アルゴリズムの設定|(4)モデルと最適化アルゴリズムの設定(Chainer)]]
+  -[[(5)学習と結果の出力(Chainer)]]
+  -[[(6)結果の出力|(6)学習結果のパラメータの保存(Chainer)]]
+  -[[(7)推測|(7)推測(Chainer)]]

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