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)
5. (5)結果の出力(Keras)　⇐ いまココ
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。

#5 結果の出力(Keras)
score = model.evaluate(X_test, y_test, verbose=0)
print('Test loss:', score[0])

#5 結果の出力(Keras)
print('Test accuracy:', score[1])

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。

model.fit()関数により、モデルの学習を実行しています。

引数については、KerasのDocumentationそのままとなりますが、以下に記載します。

x: 入力データ，Numpy 配列，あるいは Numpy 配列のリスト （モデルに複数の入力がある場合）
y: ラベル，Numpy 配列．

batch_size: 整数．設定したサンプル数ごとに勾配の更新を行います。今回は、(3)モデル設定(Keras)のところで、batch_size = 128と設定していましたので、128が用いられています。

epochs: 整数で，モデルを訓練するエポック数。今回は、(3)モデル設定(Keras)のところで、epochs = 3と設定していましたので、3回学習が行われています。

verbose: 0とすると標準出力にログを出力しません． 1の場合はログをプログレスバーで標準出力，2 の場合はエポックごとに1行のログを出力します

validation_data=(x_test, y_test): ホールドアウト検証用データとして使うデータのタプル (x_val, y_val) か (x_val, y_val, val_sample_weights)。設定すると validation_split を無視します。

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。

初めてKerasプログラミングをやるときの超おすすめ本。

次 (6)学習結果の保存(Keras)

前 (4)モデル学習(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)