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。
===== (1)Kerasを使用するためのimport文 =====
<wrap hi>Keras2でMNIST目次</wrap>\\
[[Kerasプログラミングの全体図]]
  -[[(1)Kerasを使用するためのimport文]]　<wrap hi><= いまココ</wrap>
  -[[(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)]]

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。

<code>
import keras
from keras.models import Sequential
from keras.layers import Dense, Dropout
from keras.optimizers import RMSprop
from keras.utils import np_utils

from sklearn.model_selection import train_test_split

import numpy as np
from PIL import Image
import os
</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。

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。

機械学習で用いるpythonの”import xxx”まとめ\\
2017/10/25\\
http://twosquirrel.mints.ne.jp/?p=20344


上記コードを見ても最初はさっぱりだと思いますが、[[(7)推測|(7)推測(Chainer)]]まで読み終えた後、もう一度このページに戻ってきて、「ああ、ここでこれを使用するためにこれをimportしたんだなあ」くらいに思い出していただければと思います。
===== 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。

以下は、上記リンクに記載のように、Anaconda Promptで、keras2という仮想環境を作成し、Keras 2.0をインストールしてある前提で、話を進めさせて頂きます。
===== 手順 =====
今回から、



に従って、jupyter notebook上で、Keras2でMNIST手書き文字認識の機械学習を行い、Keras2プログラミングを学んでいきます。

==== 0. AnacondaのインストールとKeras2仮想環境 ====

（前提１）WindowsパソコンにAnacondaをインストール済み。\\
インストールしていない場合は、以下をご覧になり、インストールしておいてください。\\ [[http://twosquirrel.mints.ne.jp/dokuwiki/doku.php/windows%E3%81%A7python%E3%82%92%E5%A7%8B%E3%82%81%E3%82%8B%E6%96%B9%E6%B3%952017%E5%B9%B4%E7%89%88#３_windowsパソコンにanacondaをインストール_所要時間_約40分間|Anacondaのインストール]]

（前提２）さらに、Anaconda Prompt上でkeras2.0をインストールしておく。\\
具体的な方法については、[[windowsにkeras2.0をインストール]]をご覧ください。

==== 1. Jupyter Notebookの開始 ====

Windowsのスタートボタンから、Anaconda Promptを起動

{{:pasted:20171103-125512.png}}

今回は、C:/py/keras/MNIST_MLP/ フォルダをWindowsで作成しておき、そちらに、ipynbファイルを作成して、プログラミングを行っていくこととします。

Anaconda Prompt上で、以下のコマンドを入力
<code>
cd c:/py/keras/MNIST_MLP
</code>
keras2仮想環境を起動
<code>
activate keras2
</code>
Jupyter Notebookの起動
<code>
jupyter notebook
</code>

{{:pasted:20171106-041410.png}}

すると、ブラウザ（Chromeがお勧めです）が自動的に開いて、以下のような画面になるので、画面右側の方の「New」＞「python3」の順にクリックして、新規Jupyter Notebookを作成。

{{:pasted:20171103-173912.png}}

新しいJupyter Notebookが開かれるので、画面上の方の「Untitled」をクリックして、名前を、「train_MNIST_MLP」に変更。

{{:pasted:20171103-175203.png}}

{{:pasted:20171106-041940.png}}

以下のような状態からスタートします。

{{:pasted:20171106-042015.png}}

==== 2. Import文の入力（Copy and Paste） ====

次のような状態になっていると思われます。

{{:pasted:20171106-042240.png}}

上図の部分に、Kerasプログラミングを開始するために必要な、以下のImport文をコピペします。

<code>
import keras
from keras.models import Sequential
from keras.layers import Dense, Dropout
from keras.optimizers import RMSprop
from keras.utils import np_utils

from sklearn.model_selection import train_test_split

import numpy as np
from PIL import Image
import os
</code>

さらに、Shift + Enter を押してから、数秒待つと、以下のようになります。

{{:pasted:20171106-042357.png}}

これで、Import文の入力は終了です。

次に、<wrap hi>[[(2)データ準備(Keras)]]</wrap>を行っていきます。

===== 参考文献 =====
初めてKerasプログラミングをやるときの超おすすめ本。\\

<html>

<iframe style="width:120px;height:240px;" marginwidth="0" marginheight="0" scrolling="no" frameborder="0" src="//rcm-fe.amazon-adsystem.com/e/cm?lt1=_blank&bc1=000000&IS2=1&bg1=FFFFFF&fc1=000000&lc1=0000FF&t=twosquirrel-22&o=9&p=8&l=as4&m=amazon&f=ifr&ref=as_ss_li_til&asins=4873117585&linkId=13a7db2c19cc5f40d6ab48906de8abd1"></iframe>

&nbsp;

<iframe style="width:120px;height:240px;" marginwidth="0" marginheight="0" scrolling="no" frameborder="0" src="//rcm-fe.amazon-adsystem.com/e/cm?lt1=_blank&bc1=000000&IS2=1&bg1=FFFFFF&fc1=000000&lc1=0000FF&t=twosquirrel-22&o=9&p=8&l=as4&m=amazon&f=ifr&ref=as_ss_li_til&asins=4839962510&linkId=d722909965b5eab4196d370757843f6f"></iframe>
</html>


機械学習で用いるpythonの”import xxx”まとめ
2017/10/25
http://twosquirrel.mints.ne.jp/?p=20344


===== リンク =====

次 [[(2)データ準備(Keras)]]

前 [[Kerasプログラミングの全体図]]


<wrap hi>Keras2でMNIST目次</wrap>\\
[[Kerasプログラミングの全体図]]
  -[[(1)Kerasを使用するためのimport文]]
  -[[(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)]]