サルでもわかる機械学習

この文書は読取専用です。文書のソースを閲覧することは可能ですが、変更はできません。もし変更したい場合は管理者に連絡してください。
===== （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～\\
http://twosquirrel.mints.ne.jp/?p=19402

====開発環境====
Windows8.1\\
Python 3.6.1\\
Anaconda 4.4.0 (64-bit)\\
Tensorflow 1.2.1\\
Keras 2.0.6\\

====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。\\
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。\\
まずは実行して雰囲気を味わいましょう！\\

==== Jupyter Notebookの起動====
Windowsのスタートボタンから、Anaconda Promptを起動してから、

<code>
cd c:\python

# バージョン確認
pip list | grep Keras
python
import tensorflow as tf
tf.__version__
quit()

# jupyter notebookの起動
jupyter notebook
</code>

画面右上のNew › python3 で新しいタブを立ち上げる。

==== 機械学習プログラムのコピペと実行====

以下のリンクから、手書き数字MNIST認識プログラムのソースコードをコピペ。

https://github.com/m0t0k1ch1/keras-sample/blob/master/mnist_mlp.py

{{:pasted:20170729-153953.png}}
{{:pasted:20170729-154008.png}}
{{:pasted:20170729-154051.png}}

Ctrl + Enterを押して、プログラムを実行。

{{:pasted:20170729-154113.png}}
{{:pasted:20170729-154133.png}}
{{:pasted:20170729-154146.png}}

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。

上記の操作により、\\
（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」）\\
（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。

次は、Kerasで機械学習を可視化する方法を解説していきたいと思います。

==== 参考 ==== 
はじめての Deep Learning – Keras で MLP for MNIST\\
Published Fri, Jul 15, 2016 by m0t0k1ch1\\
http://m0t0k1ch1st0ry.com/blog/2016/07/15/keras/

https://github.com/fchollet/keras/blob/master/examples/mnist_mlp.py

Windows7にKeras2.0をインストールしてMNIST(WindowsでTensorflow-GPUを利用した場合)\\
http://twosquirrel.mints.ne.jp/?p=19005
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

ページ用ツール
