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 | 前のリビジョン最新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] – [keras.datasets.mnist.load_data()関数について] adash333 | 2_データ準備_keras [2017/11/17] – [1. データセットの準備] adash333 | ||
---|---|---|---|
行 50: | 行 50: | ||
Keras 2.0.9\\ | 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。 | + | Keras2.0のインストール方法は<wrap hi>[[windowsにkeras2.0をインストール]]</ |
- | このページは、[[(1)Kerasを使用するためのimport文]]の続きであり、今回は、MNISTのデータの準備・設定を行っていきます。 | + | このページは、<wrap hi>[[(1)Kerasを使用するためのimport文]]</ |
データの準備が難しいところなのですが、今回は、最初なので、Kerasであらかじめ用意されているMNISTデータセットを利用します。 | データの準備が難しいところなのですが、今回は、最初なので、Kerasであらかじめ用意されているMNISTデータセットを利用します。 | ||
- | オリジナルデータセットの準備については、後日、[[Keras2用自前データの準備]]に記載予定です。 | + | オリジナルデータセットの準備については、後日、<wrap hi>[[Keras2用自前データの準備]]</ |
===== 手順 ===== | ===== 手順 ===== | ||
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 176: | 行 176: | ||
Kerasが用意しているMNISTデータセットを用いる手順は上記でおしまいです。 | Kerasが用意しているMNISTデータセットを用いる手順は上記でおしまいです。 | ||
- | <wrap hi> | + | |
- | 初めての場合は、次は、とりあえず、< | + | 初めての場合は、次は、とりあえず、< |
- | </ | + | |
===== keras.datasets.mnist.load_data()関数について ===== | ===== keras.datasets.mnist.load_data()関数について ===== | ||
行 187: | 行 186: | ||
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 = mnist.get_mnist(withlabel=True, | + | from keras.datasets import mnist |
+ | |||
+ | (x_train, y_train), (x_test, y_test) | ||
</ | </ | ||
- | のように、引数に、withlabel=True, | + | 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