6_学習結果の保存_keras
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。
| 両方とも前のリビジョン 前のリビジョン 次のリビジョン | 前のリビジョン | ||
|
6_学習結果の保存_keras [2017/11/09] 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 42: | ライン 42: | ||
| [[(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。 | [[(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:20171110-044806.png}} | + | {{:pasted:20171110-055117.png}} |
| ==== 1. 学習結果の保存 ==== | ==== 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。 | 以下のコードを入力して、Shift + Enterを押します。 | ||
| ライン 57: | ライン 56: | ||
| 以下のような画面になります。 | 以下のような画面になります。 | ||
| - | {{:pasted:20171110-045243.png}} | + | {{: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。 | ||
| - | model.evaluate()関数により、入力値における損失値（損失関数に(x_test, y_test)の組み合わせを入力して出てきた結果）を返します。 | + | {{:pasted:20171110-055811.png}} |
| - | 詳細はよく分かりませんが、score[0]にlossを、score[1]にaccuracyを持つようなリストを返すようです。 | + | {{:pasted:20171110-055914.png}} |
| - | lossは、おそらく、x_testの画像10000枚とその正解ラベルy_testのセットを、損失関数に入れたときの値（損失）だと思われます。（ググってもはっきりとした記載は見つけることはできませんでしたが、たぶんそれで間違いないと思います。） | + | Kerasでの学習結果の出力の手順は上記でおしまいです。 |
| - | 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、<wrap hi>[[(7)推測(Keras)]]</wrap>に進んでください。 |
| - | <wrap hi> | ||
| - | 初めての方は、次は、</wrap>[[(7)推測(Keras)]]<wrap hi>に進んでください。 | ||
| - | </wrap> | ||
6_学習結果の保存_keras.1510260589.txt.gz · 最終更新: 2018/10/07 (外部編集)
