2_データ準備_keras
差分
このページの2つのバージョン間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 | 前のリビジョン次のリビジョン両方とも次のリビジョン | ||
| 2_データ準備_keras [2017/11/05] – adash333 | 2_データ準備_keras [2017/11/06] – [1. データセットの準備] adash333 | ||
|---|---|---|---|
| 行 122: | 行 122: | ||
| 手書き数字MNISTは、本来は28x28pixelのグレースケールの画像と、それが何の数字であるかの正解ラベルのセットです。この画像と正解ラベルのセットが、training用の6万セット、test用の1万セットとなっています。 | 手書き数字MNISTは、本来は28x28pixelのグレースケールの画像と、それが何の数字であるかの正解ラベルのセットです。この画像と正解ラベルのセットが、training用の6万セット、test用の1万セットとなっています。 | ||
| - | ただ、画像のままではKerasでは読み込めません。そのため、画像を0～255の値をとる284個の数字が1列に並んだ配列に変換(reshape(60000, | + | ただ、画像のままではKerasでは読み込めません。そのため、画像を0～255の値をとる784個の数字が1列に並んだ配列に変換(reshape(60000, |
| さらに、以下のコードで、正解ラベルをone hot ベクトルに変換したものを、y_trainに代入しています。 | さらに、以下のコードで、正解ラベルをone hot ベクトルに変換したものを、y_trainに代入しています。 | ||
| 行 187: | 行 187: | ||
| 今回はそれにあたります（MNISTなんてグレースケールで十分）が、 | 今回はそれにあたります（MNISTなんてグレースケールで十分）が、 | ||
| < | < | ||
| - | train, test = | + | from keras.datasets import mnist |
| - | </ | + | |
| - | のように、 | + | |
| + | (x_train, y_train), (x_test, y_test) = mnist.load_data() | ||
| + | </ | ||
| + | のように、x_trainとx_testに、画像データをNumpy配列に変換済みのものを代入し、y_trainとy_testに対応する正解ラベルを代入します。 | ||
| （２）もともとのデータセットがグレースケール画像のデータとなっています。 | （２）もともとのデータセットがグレースケール画像のデータとなっています。 | ||
2_データ準備_keras.txt · 最終更新: 2018/10/07 by 127.0.0.1