kerasで初めての機械学習
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 | ||
| kerasで初めての機械学習 [2017/07/29] – adash333 | kerasで初めての機械学習 [2018/10/07] (現在) – 外部編集 127.0.0.1 | ||
|---|---|---|---|
| 行 1: | 行 1: | ||
| - | ===== (4)Kerasで初めての機械学習 ===== | + | ===== (4)Kerasで初めての機械学習 ===== |
| + | < | ||
| + | <iframe width=" | ||
| + | </ | ||
| - | (開発環境) | + | 初めてのTensorflow ~Kerasで機械学習プログラミング~\\ |
| - | Windows8.1 | + | http:// |
| - | Anaconda Promptの起動 | + | ====開発環境==== |
| + | Windows8.1\\ | ||
| + | Python 3.6.1\\ | ||
| + | Anaconda 4.4.0 (64-bit)\\ | ||
| + | Tensorflow 1.2.1\\ | ||
| + | Keras 2.0.6\\ | ||
| + | |||
| + | ====前回まで==== | ||
| + | 前回の動画で、WindowsにAnaconda Prompt上で、Tensorflow 1.2とKeras2.0をインストールしました。\\ | ||
| + | 今回は、実際にKerasの機械学習サンプルプログラムを実行してみます。\\ | ||
| + | コードの意味は全く分からなくて大丈夫です。\\ | ||
| + | まずは実行して雰囲気を味わいましょう!\\ | ||
| + | |||
| + | ==== Jupyter Notebookの起動==== | ||
| + | Windowsのスタートボタンから、Anaconda Promptを起動してから、 | ||
| < | < | ||
| 行 21: | 行 38: | ||
| 画面右上のNew › python3 で新しいタブを立ち上げる。 | 画面右上のNew › python3 で新しいタブを立ち上げる。 | ||
| + | |||
| + | ==== 機械学習プログラムのコピペと実行==== | ||
| 以下のリンクから、手書き数字MNIST認識プログラムのソースコードをコピペ。 | 以下のリンクから、手書き数字MNIST認識プログラムのソースコードをコピペ。 | ||
| 行 26: | 行 45: | ||
| https:// | https:// | ||
| + | {{: | ||
| + | {{: | ||
| + | {{: | ||
| - | (参考) | + | Ctrl + Enterを押して、プログラムを実行。 |
| - | はじめての Deep Learning – Keras で MLP for MNIST\\ | + | |
| - | Published Fri, Jul 15, 2016 by m0t0k1ch1\\ | + | |
| - | http:// | + | |
| - | https://github.com/ | + | {{:pasted: |
| + | {{: | ||
| + | {{: | ||
| + | 最後のグラフは、横軸が学習Epoch(エポック)数、縦軸が、青線が教師データの誤答率(?)、オレンジの線が評価データの誤答率(?)のようです。詳細はよくわかりません、、、(爆) | ||
| - | Ctrl + Enterを押して、プログラムを実行。 | + | 私のノートパソコンでは12分くらいかかりました。\\ |
| + | NVIDIA製のGPUを搭載したパソコンで、Tensorflo-GPUをbackendに用いて計算すると、もっと早く計算できるようです。 | ||
| - | 私のノートパソコンでは 分くらいかかりました。 | + | 上記の操作により、\\ |
| - | + | (1)Tensorflowを用いて、60000サンプルの教師データを元に、手書き数字を認識する「学習」を行い、\\ | |
| - | 上記の操作により、 | + | (2)その学習結果を用いて、10000サンプルの手書き数字の分類を行い、正解率を求めた。(「評価」)\\ |
| - | (1)Tensorflowを用いて、60000サンプルのデータを元に、手書き数字を認識する学習を行い | + | (3)10000サンプル(テストデータ)の正解率は98.3%であった\\ |
| - | (2)その学習結果を用いて、10000サンプルの手書き数字の分類を行い、正解率を求めた | + | |
| - | (3)10000サンプル(テストデータ)の正解率は %であった | + | |
| ということになります。 | ということになります。 | ||
| 次は、Kerasで機械学習を可視化する方法を解説していきたいと思います。 | 次は、Kerasで機械学習を可視化する方法を解説していきたいと思います。 | ||
| + | ==== 参考 ==== | ||
| + | はじめての Deep Learning – Keras で MLP for MNIST\\ | ||
| + | Published Fri, Jul 15, 2016 by m0t0k1ch1\\ | ||
| + | http:// | ||
| + | |||
| + | https:// | ||
| + | |||
| + | Windows7にKeras2.0をインストールしてMNIST(WindowsでTensorflow-GPUを利用した場合)\\ | ||
| + | http:// | ||
kerasで初めての機械学習.1501297783.txt.gz · 最終更新: 2018/10/07 (外部編集)
