kerasで初めての機械学習
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 | ||
|
kerasで初めての機械学習 [2017/07/29] adash333 |
kerasで初めての機械学習 [2018/10/07] (現在) |
||
|---|---|---|---|
| ライン 1: | ライン 1: | ||
| ===== （４）Kerasで初めての機械学習 ===== | ===== （４）Kerasで初めての機械学習 ===== | ||
| + | <html> | ||
| + | <iframe width="560" height="315" src="https://www.youtube.com/embed/tik5X7Qjzxo" frameborder="0" allowfullscreen></iframe> | ||
| + | </html> | ||
| + | |||
| 初めてのTensorflow ～Kerasで機械学習プログラミング～\\ | 初めてのTensorflow ～Kerasで機械学習プログラミング～\\ | ||
| http://twosquirrel.mints.ne.jp/?p=19402 | http://twosquirrel.mints.ne.jp/?p=19402 | ||
| ライン 11: | ライン 15: | ||
| ====前回まで==== | ====前回まで==== | ||
| - | 前回の動画で、WindowsにAnaconda Prompt上で、Tensorflow 1.2とKeras2.0をインストールしました。 | + | 前回の動画で、WindowsにAnaconda Prompt上で、Tensorflow 1.2とKeras2.0をインストールしました。\\ |
| - | 今回は、実際にKerasの機械学習サンプルプログラムを実行してみます。 | + | 今回は、実際にKerasの機械学習サンプルプログラムを実行してみます。\\ |
| - | コードの意味は全く分からなくて大丈夫です。 | + | コードの意味は全く分からなくて大丈夫です。\\ |
| - | まずは実行して雰囲気を味わいましょう！ | + | まずは実行して雰囲気を味わいましょう！\\ |
| ==== Jupyter Notebookの起動==== | ==== Jupyter Notebookの起動==== | ||
| ライン 51: | ライン 55: | ||
| {{:pasted:20170729-154146.png}} | {{:pasted:20170729-154146.png}} | ||
| - | 私のノートパソコンでは12分くらいかかりました。 | + | 最後のグラフは、横軸が学習Epoch（エポック）数、縦軸が、青線が教師データの誤答率（？）、オレンジの線が評価データの誤答率（？）のようです。詳細はよくわかりません、、、（爆） |
| + | |||
| + | 私のノートパソコンでは12分くらいかかりました。\\ | ||
| NVIDIA製のGPUを搭載したパソコンで、Tensorflo-GPUをbackendに用いて計算すると、もっと早く計算できるようです。 | NVIDIA製のGPUを搭載したパソコンで、Tensorflo-GPUをbackendに用いて計算すると、もっと早く計算できるようです。 | ||
| ライン 57: | ライン 63: | ||
| （1）Tensorflowを用いて、60000サンプルの教師データを元に、手書き数字を認識する「学習」を行い、\\ | （1）Tensorflowを用いて、60000サンプルの教師データを元に、手書き数字を認識する「学習」を行い、\\ | ||
| （2）その学習結果を用いて、10000サンプルの手書き数字の分類を行い、正解率を求めた。（「評価」）\\ | （2）その学習結果を用いて、10000サンプルの手書き数字の分類を行い、正解率を求めた。（「評価」）\\ | ||
| - | （3）10000サンプル（テストデータ）の正解率は %であった\\ | + | （3）10000サンプル（テストデータ）の正解率は98.3%であった\\ |
| ということになります。 | ということになります。 | ||
kerasで初めての機械学習.1501310551.txt.gz · 最終更新: 2018/10/07 (外部編集)
