ユーザ用ツール

サイト用ツール


4_モデル学習_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。

この比較画面へのリンク

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
4_モデル学習_keras [2017/11/04] – [(4)モデル学習(Keras)] adash3334_モデル学習_keras [2018/10/07] (現在) – 外部編集 127.0.0.1
行 10: 行 10:
   -[[(7)推測(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。+基本的に以下をコピペするだけです。
  
 <code> <code>
-import keras +#4 モデル学習(Keras) 
-from keras.models import Sequential +history = model.fit(x_train, y_train, 
-from keras.layers import DenseDropout +                    batch_size=batch_size, epochs=epochs
-from keras.optimizers import RMSprop +                    verbose=1, validation_data=(x_test, y_test)) 
-from keras.utils import np_utils+</code>
  
-from sklearn.model_selection import train_test_split 
  
-import numpy as np +===== 開発環境 ===== 
-from PIL import Image +Windows 8.1\\ 
-import os+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。 
 + 
 +このページは、[[(3)モデル設定(Keras)]]の続きであり、今回は、モデルの学習を行っていきます。 
 + 
 +===== 手順 ===== 
 + 
 + 
 +==== 0. 前回終了時の画面 ==== 
 +[[(3)モデル設定(Keras)]]終了時の、以下のような状態から始めます。 
 + 
 +{{:pasted:20171106-063759.png}} 
 +==== 1. モデルの学習 ==== 
 +以下のコードを入力して、Shift + Enterを押します。 
 + 
 +<code> 
 +#4 モデル学習(Keras) 
 +history = model.fit(x_train, y_train, 
 +                    batch_size=batch_size, epochs=epochs, 
 +                    verbose=1, validation_data=(x_test, y_test))
 </code> </code>
  
-始めはかなりとimport文ですが、python勉強をしていくにつて、徐々に、慣れてきます。+以下のような画面になります。 
 + 
 +{{:pasted:20171109-223753.png}} 
 + 
 +3分くらい待つ、学習が終了します。 
 + 
 +{{:pasted:20171110-032455.png}} 
 + 
 + 
 +model.fit()関数により、モデルの学習を実行しています。 
 + 
 +引数にいては、KerasのDocumentationそのままとなりますが、以下記載します。 
 + 
 +---- 
 + 
 +x: 入力データ,Numpy 配列,あるは Numpy 配列のリスト (モデルに複数の入力がある場合)\\ 
 +y: ラベル,Numpy 配列. 
 + 
 +batch_size: 整数.設定したサンプル数ごとに勾配の更新を行いま。今回は、<wrap hi>[[(3)モデル設定(Keras)]]</wrap>のところで、batch_size = 128と設定していましたので、128用いられています。 
 + 
 +epochs: 整数で,モデルを訓練するエポック数。今回は<wrap hi>[[(3)モデル設定(Keras)]]</wrap>ところで、epochs = 3と設定していましたので、3回学習が行われています。 
 + 
 +verbose: 0とすると標準出力にログ出力しません. 1の場合はログをプログレスバーで標準出力,2 の場合はエポックごとに1行のログを出力します 
 + 
 +validation_data=(x_test, y_test): ホールドアウト検証用データとして使うデータのタプル (x_val, y_val) か (x_val, y_val, val_sample_weights)。設定すると validation_split を無視します。 
 + 
 +---- 
 + 
 + 
 +KerasでのModel学習の手順は上記でおしまです。 
 + 
 +初めての方は、次は、<wrap hi>[[(5)結果の出力(Keras)]]</wrap>に進んでださい。 
 + 
 + 
 +(参考) 
 +Keras チュートリアル\\ 
 +sasayabaku 
 +2017年08月16日に更新\\ 
 +https://qiita.com/sasayabaku/items/64a01363bcd5c44feb0b 
 + 
 + 
 +===== kerasのSequentialモデルのfitメソッドにつて ===== 
 + 
 +https://keras.io/ja/models/sequential/\\ 
 +{{:pasted:20171110-035359.png}} 
 + 
 +fit()関数は固定のエポック数でモデルを訓練します。 
 + 
 +戻り値は、History オブジェクト。History.history 属性は、実行成功したエポックにおける訓練の損失値と評価関数値の記録と,(適用可能ならば)検証における損失値と評価関数値も記録しています。 
 + 
 +model.fit()の返り値を出力を変数に格納すると学習過程のパラメータの推移をプロットできます。 
 + 
 +上記の例ではHistoryに格納しいるので、以下のようなコードで、lossやaccuracyのグラフを出力することができます。 
 + 
 +<code> 
 +import matplotlib.pyplot as plt 
 +%matplotlib inline 
 +loss = history.history['loss'
 +val_loss = history.history['val_loss'
 + 
 +# lossのグラフ 
 +plt.plot(range(3), loss, marker='.', label='loss'
 +plt.plot(range(3), val_loss, marker='.', label='val_loss'
 +plt.legend(loc='best', fontsize=10) 
 +plt.grid() 
 +plt.xlabel('epoch'
 +plt.ylabel('loss'
 +plt.show() 
 +</code> 
 + 
 +{{:pasted:20171110-040150.png}} 
 + 
 +<code> 
 +import matplotlib.pyplot as plt 
 +%matplotlib inline 
 +acc = history.history['acc'
 +val_acc = history.history['val_acc'
 + 
 +# accuracyのグラフ 
 +plt.plot(range(3), acc, marker='.', label='acc'
 +plt.plot(range(3), val_acc, marker='.', label='val_acc'
 +plt.legend(loc='best', fontsize=10) 
 +plt.grid() 
 +plt.xlabel('epoch'
 +plt.ylabel('acc'
 +plt.show() 
 +</code> 
 + 
 +{{:pasted:20171110-040318.png}} 
  
-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 
  
 +===== Optimizerについて =====
 +optimizer(最適化)について\\
 +https://keras.io/ja/optimizers/
  
 ===== 参考文献 ===== ===== 参考文献 =====

4_モデル学習_keras.1509781176.txt.gz · 最終更新: 2018/10/07 (外部編集)

Donate Powered by PHP Valid HTML5 Valid CSS Driven by DokuWiki