目次

(4)Kerasで初めての機械学習

<html>
<iframe width=“560” height=“315” src=“https://www.youtube.com/embed/tik5X7Qjzxo” frameborder=“0” allowfullscreen></iframe>
</html>

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



Ctrl + Enterを押して、プログラムを実行。



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