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。

--- kerasで自前データで機械学習 [2017/08/02]
adash333 [１．C:/python/ フォルダ下に、dataフォルダ以下を作成]
+++ kerasで自前データで機械学習 [2018/10/07] (現在)
@@ ライン 1: / ライン 1: @@
 ===== （７）Kerasで自前データで機械学習 =====
+<html>
+<iframe width="560" height="315" src="https://www.youtube.com/embed/SEVd0iervv8" frameborder="0" allowfullscreen></iframe>
+</html>
 http://twosquirrel.mints.ne.jp/?p=19448
@@ ライン 40: / ライン 44: @@
 ファイル名はなんでもよい。
 画質もむちゃくちゃ。
 ==== ２．Anaconda Promptを起動後、jupyter notebookの起動 ====
@@ ライン 52: / ライン 53: @@
 画面右上の方の、「New」>「Python3」で新しいタブを開く
+==== ３．fruit.pyのコードをコピペして、Shift+Enter　で実行。 ====
+以下のコードをコピペして、Shift+Enterで実行。
-==== ３．fruit.pyのコードをコピペして、Shift+Enter　で実行。\\ ====
+https://gist.github.com/adash333/20151dd19e3d3275edbd0b121e036c64
-以下のサイトの、fruit.py のコードをコピペして、Shift+Enterで実行。
+上記コードは、下記サイトの、fruit.py のコードを全部コピペして、最後に、モデル可視化のコードを加えたものです。
 Kerasによる、ものすごくシンプルな画像分類（りんごとオレンジ）
 http://qiita.com/hiroeorz@github/items/ecb39ed4042ebdc0a957
+以上で、\\
+（1）約20枚ずつのりんごとオレンジの画像から学習（train）し、\\
+（2）その学習したモデルから、別の5枚のりんご画像と5枚のオレンジ画像を、りんごかオレンジかを予測させてみた\\
+（3）今回は、その10枚の予測の正解率は100%であった\\
+[[http://twosquirrel.mints.ne.jp/wp-content/uploads/2017/07/image-326.png|結果の図の例]]\\
+ということになります。
+（動画の解説はここまで）
+==== メモ ====
-https://gist.github.com/adash333/20151dd19e3d3275edbd0b121e036c64
 さらに、以下を組み合わせたい
@@ ライン 97: / ライン 110: @@
     print(result)
 </code>
+上記コードを少し変更
+<code>
+# original code from http://yujikawa11.hatenablog.com/entry/2017/01/09/153436
+from keras.preprocessing import image
+import numpy as np
+import sys
+filepath = "./pikachu.jpg"
+image = np.array(Image.open(filepath).resize((25, 25)))
+print(filepath)
+image = image.transpose(2, 0, 1)
+image = image.reshape(1, image.shape[0] * image.shape[1] * image.shape[2]).astype("float32")[0]
+result = model.predict_classes(np.array([image / 255.]))
+print("result:", result[0], "（0:りんご, 1:オレンジ）")
+</code>
+さらに変更
+<code>
+テスト
+</code>
+https://gist.github.com/adash333/15d9b33eef7a00f993bbc32a168f6ca0
 ===== 画像をkerasに読み込ませる方法 =====
@@ ライン 114: / ライン 153: @@
 これを、numpy配列に直して、数字の配列に変換することにより、初めて、kerasが、画像を認識することができるようになる。
+具体的には、
+from keras.preprocessing import image
+import numpy as np
+のあと、、、、
+Numpy配列というものを、ある程度、使えるようにしておく必要がある。
+数学での行列とは微妙にことなるところがあるので、注意。
+Numpy
+reshape
+transpose
+http://www.mathgram.xyz/entry/keras/preprocess/img
+===== numpy =====
+NumPyで画像処理\\
+http://www.mwsoft.jp/programming/computer_vision_with_python/1_3_numpy.html
+http://qiita.com/supersaiakujin/items/c580f2aae90818150b35\\
+[Python]Numpyデータの並べ替え
+https://deepage.net/features/numpy-transpose.html\\
+-06-23
+配列の軸の順番を入れ替えるNumPyのtranspose関数の使い方
+Python – NumPyで画像を配列として取得する
+投稿者: edo1z 投稿日: 09/27/2015\\
+https://endoyuta.com/2015/09/27/python-numpyで画像を配列として取得する/
+numpyのテンソル（配列）関係\\
+http://oppython.hatenablog.com/entry/2014/01/05/004454
+numpyの多次元配列の「軸を入れ換える」ということについての学習
+ラベル: Python
+年10月03日20時00分公開
+年11月30日08時27分更新\\
+https://p--q.blogspot.jp/2015/10/numpy.html?m=1\\
+この解説が具体的で分かりやすい！しかし、これでと、軸とかいまいちよくわからない、
+http://discexuno.wp.xdomain.jp/2016/10/21/pythonnumpytransposeを用いた3次元のデータの転置/\\
+PYTHON
+[Python+Numpy]transposeを用いた3次元のデータの転置
+年10月21日 ばいろん
+http://python-remrin.hatenadiary.jp/entry/2017/05/10/183809\\
+-05-10
+NumPyの使い方（４）　形状変換と転置
+http://sleeping-micchi.hatenablog.com/entry/2014/04/18/003935\\
+多次元行列の転置
+多次元行列の軸の入れ替え
+多次元行列の軸の入れ換えとは、該当する要素の軸を入れ替えた新しい行列を作成すること
+次元行列の場合
+x3行列の場合
+元の行列のa13を、新しい行列のb31に設定。
+元の行列の全ての要素について同様の操作を行う
+すると、新しい行列のBは、3x2行列として出来上がる。
+(絵の説明を入れたい)
+次元行列の場合
+x2x4行列の場合
+http://qiita.com/secang0/items/1229212a37d8c9922901\\
+行列による画像処理　基礎編＆目次　～Python画像処理の再発明家～
+secang0
+年04月05日に更新
+作成中
@@ ライン 124: / ライン 245: @@
 https://librabuch.jp/blog/2013/05/python_pillow_pil/\\
 Python 3.5 対応画像処理ライブラリ Pillow (PIL) の使い方
+http://aokiji.science/blog/?p=219\\
+Pythonで画像処理
+-04-17 画像の切り出しなど
 today 2013-05-06 Mon person Takahiro Ikeuchi

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