===== （４）Kerasで初めての機械学習 =====
初めてのTensorflow ～Kerasで機械学習プログラミング～\\
http://twosquirrel.mints.ne.jp/?p=19402
====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、
cd c:\python
# バージョン確認
pip list | grep Keras
python
import tensorflow as tf
tf.__version__
quit()
# jupyter notebookの起動
jupyter notebook
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。
https://github.com/m0t0k1ch1/keras-sample/blob/master/mnist_mlp.py
{{:pasted:20170729-153953.png}}
{{:pasted:20170729-154008.png}}
{{:pasted:20170729-154051.png}}
Ctrl + Enterを押して、プログラムを実行。
{{:pasted:20170729-154113.png}}
{{:pasted:20170729-154133.png}}
{{:pasted:20170729-154146.png}}
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）
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。
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、\\
（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」）\\
（3）10000サンプル（テストデータ）の正解率は98.3%であった\\
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。
==== 参考 ====
はじめての Deep Learning – Keras で MLP for MNIST\\
Published Fri, Jul 15, 2016 by m0t0k1ch1\\
http://m0t0k1ch1st0ry.com/blog/2016/07/15/keras/
https://github.com/fchollet/keras/blob/master/examples/mnist_mlp.py
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://twosquirrel.mints.ne.jp/?p=19005