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。

--- 6_学習結果の保存_keras [2017/10/28]
adash333 [(6)学習結果の保存(Keras)]
+++ 6_学習結果の保存_keras [2018/10/07] (現在)
@@ ライン 1: / ライン 1: @@
 ===== (6)学習結果の保存(Keras) =====
-<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]]
-[[(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)　←いまココ
+  -[[(6)学習結果の保存(Keras)]]　<wrap hi><= いまココ</wrap>
-\\
+  -[[(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。
+以下をコピペするだけです。
 <code>
-import keras
+#6 学習結果の保存(Keras)
-from keras.models import Sequential
+### save model and weights
-from keras.layers import Dense, Dropout
+json_string = model.to_json()
-from keras.optimizers import RMSprop
+open('apple_orange_model.json', 'w').write(json_string)
-from keras.utils import np_utils
+model.save_weights('apple_orange_weights.h5')
+</code>
-from sklearn.model_selection import train_test_split
+そのままです。学習モデルをjson形式で保存し、そのモデルに対応した学習結果のパラメータをh5形式で保存します。\\
+次のpredict.pyで、新しい画像の予測（分類）を行う際に、このモデルとパラメータを読み込む予定です。
-import numpy as np
-from PIL import Image
-import os
+===== 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。
+このページは、[[(5)結果の出力(Keras)]]の続きであり、今回は、結果の出力を行っていきます。
+===== 手順 =====
+==== 0. 前回終了時の画面 ====
+[[(5)結果の出力(Keras)]]終了時の、以下のような状態から始めます。
+{{:pasted:20171110-055117.png}}
+==== 1. 学習結果の保存 ====
+以下のコードを入力して、Shift + Enterを押します。
+<code>
+#6 学習結果の保存(Keras)
+### save model and weights
+json_string = model.to_json()
+open('apple_orange_model.json', 'w').write(json_string)
+model.save_weights('apple_orange_weights.h5')
 </code>
-始めはかなりとっつきにくいimport文ですが、pythonの勉強をしていくにつれて、徐々に、慣れてきます。
+以下のような画面になります。
-keras特有のもの以外のimport文については、以下のリンクをご覧ください。
+{{:pasted:20171110-055228.png}}
+Jupyter Notebook上では何も起こりませんが、
+<code>
+%ls
+</code>
+と入力して、Shift+Enterを押すと、以下のように表示されて、train_MNIST_MLP.ipynb(今、入力しているJupyter Notebookのファイル)と同じフォルダに、
+<code>
+"apple_orange_model.json" : モデルが記載されたjsonファイル
+"apple_orange_weights.h5" : モデルのweight（学習結果）が記載されたバイナリデータ
+</code>
+の２つのファイルが作成されていることが分かります。
+{{:pasted:20171110-055811.png}}
+{{:pasted:20171110-055914.png}}
+Kerasでの学習結果の出力の手順は上記でおしまいです。
+初めての方は、次は、<wrap hi>[[(7)推測(Keras)]]</wrap>に進んでください。
-機械学習で用いるpythonの”import xxx”まとめ\\
-/10/25\\
-http://twosquirrel.mints.ne.jp/?p=20344
@@ ライン 50: / ライン 97: @@
 ===== リンク =====
-目次\\
+次 [[(7)推測(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 [[(5)結果の出力(Keras)]]
-[[(2)データ準備(Keras)]]\\
-[[(3)モデル設定(Keras)]]\\
-[[(4)モデル学習(Keras)]]\\
+<wrap hi>Keras2でMNIST目次</wrap>\\
-[[(5)結果の出力(Keras)]]\\
+[[Kerasプログラミングの全体図]]
-[[(6)学習結果の保存(Keras)]]\\
+  -[[(1)Kerasを使用するためのimport文]]
-[[(7)推測(Keras)]]\\
+  -[[(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