サルでもわかる機械学習

Keras2でMNIST目次
Kerasプログラミングの全体図

1. (1)Kerasを使用するためのimport文
2. (2)データ準備(Keras)
3. (3)モデル設定(Keras)
4. (4)モデル学習(Keras)　⇐ いまココ
5. (5)結果の出力(Keras)
6. (6)学習結果の保存(Keras)
7. (7)推測(Keras)

基本的に以下をコピペするだけです。

#4 モデル学習(Keras)
history = model.fit(x_train, y_train,
                    batch_size=batch_size, epochs=epochs,
                    verbose=1, validation_data=(x_test, y_test))

作成中

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。

このページは、(3)モデル設定(Keras)の続きであり、今回は、モデルの学習を行っていきます。

(3)モデル設定(Keras)終了時の、以下のような状態から始めます。

以下のコードを入力して、Shift + Enterを押します。

#4 モデル学習(Keras)
history = model.fit(x_train, y_train,
                    batch_size=batch_size, epochs=epochs,
                    verbose=1, validation_data=(x_test, y_test))

以下のような画面になります。

3分くらい待つと、学習が終了します。

順に解説していきます。

KerasでのModel学習の手順は上記でおしまいです。

初めての方は、次は、(5)結果の出力(Keras)に進んでください。

(参考) Keras チュートリアル
sasayabaku 2017年08月16日に更新
https://qiita.com/sasayabaku/items/64a01363bcd5c44feb0b

https://keras.io/ja/models/sequential/

fit()関数は、固定のエポック数でモデルを訓練します。

戻り値は、History オブジェクト。History.history 属性は、実行に成功したエポックにおける訓練の損失値と評価関数値の記録と，（適用可能ならば）検証における損失値と評価関数値も記録しています。

model.fit()の返り値を出力を変数に格納すると学習過程のパラメータの推移をプロットできます。

上記の例では、Historyに格納しているので、以下のようなコードで、lossやaccuracyのグラフを出力することができます。

import matplotlib.pyplot as plt
%matplotlib inline
loss = history.history['loss']
val_loss = history.history['val_loss']

# lossのグラフ
plt.plot(range(3), loss, marker='.', label='loss')
plt.plot(range(3), val_loss, marker='.', label='val_loss')
plt.legend(loc='best', fontsize=10)
plt.grid()
plt.xlabel('epoch')
plt.ylabel('loss')
plt.show()

import matplotlib.pyplot as plt
%matplotlib inline
acc = history.history['acc']
val_acc = history.history['val_acc']

# accuracyのグラフ
plt.plot(range(3), acc, marker='.', label='acc')
plt.plot(range(3), val_acc, marker='.', label='val_acc')
plt.legend(loc='best', fontsize=10)
plt.grid()
plt.xlabel('epoch')
plt.ylabel('acc')
plt.show()

optimizer(最適化)について
https://keras.io/ja/optimizers/

初めてKerasプログラミングをやるときの超おすすめ本。

次 (5)結果の出力(Keras)

前 (3)モデル設定(Keras)

Keras2でMNIST目次
Kerasプログラミングの全体図

1. (1)Kerasを使用するためのimport文
2. (2)データ準備(Keras)
3. (3)モデル設定(Keras)
4. (4)モデル学習(Keras)
5. (5)結果の出力(Keras)
6. (6)学習結果の保存(Keras)
7. (7)推測(Keras)