kerasで自前データで機械学習
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 | 前のリビジョン次のリビジョン両方とも次のリビジョン | ||
kerasで自前データで機械学習 [2017/08/02] – adash333 | kerasで自前データで機械学習 [2017/08/04] – [numpy] adash333 | ||
---|---|---|---|
行 53: | 行 53: | ||
画面右上の方の、「New」> | 画面右上の方の、「New」> | ||
- | ==== 3.fruit.pyのコードをコピペして、Shift+Enter で実行。\\ ==== | + | ==== 3.fruit.pyのコードをコピペして、Shift+Enter で実行。 ==== |
以下のコードをコピペして、Shift+Enterで実行。 | 以下のコードをコピペして、Shift+Enterで実行。 | ||
行 63: | 行 63: | ||
http:// | http:// | ||
+ | 以上で、\\ | ||
+ | (1)約20枚ずつのりんごとオレンジの画像から学習(train)し、\\ | ||
+ | (2)その学習したモデルから、別の5枚のりんご画像と5枚のオレンジ画像を、りんごかオレンジかを予測させてみた\\ | ||
+ | (3)今回は、その10枚の予測の正解率は100%であった\\ | ||
+ | [[http:// | ||
+ | ということになります。 | ||
+ | |||
+ | (動画の解説はここまで) | ||
+ | |||
+ | ==== メモ ==== | ||
- | https:// | ||
さらに、以下を組み合わせたい | さらに、以下を組み合わせたい | ||
行 101: | 行 110: | ||
print(result) | print(result) | ||
</ | </ | ||
+ | |||
+ | 上記コードを少し変更 | ||
+ | |||
+ | < | ||
+ | # original code from http:// | ||
+ | |||
+ | from keras.preprocessing import image | ||
+ | import numpy as np | ||
+ | import sys | ||
+ | |||
+ | filepath = " | ||
+ | image = np.array(Image.open(filepath).resize((25, | ||
+ | print(filepath) | ||
+ | image = image.transpose(2, | ||
+ | image = image.reshape(1, | ||
+ | result = model.predict_classes(np.array([image / 255.])) | ||
+ | print(" | ||
+ | </ | ||
+ | |||
+ | さらに変更 | ||
+ | < | ||
+ | テスト | ||
+ | </ | ||
+ | |||
+ | https:// | ||
+ | |||
===== 画像をkerasに読み込ませる方法 ===== | ===== 画像をkerasに読み込ませる方法 ===== | ||
行 118: | 行 153: | ||
これを、numpy配列に直して、数字の配列に変換することにより、初めて、kerasが、画像を認識することができるようになる。 | これを、numpy配列に直して、数字の配列に変換することにより、初めて、kerasが、画像を認識することができるようになる。 | ||
+ | |||
+ | 具体的には、 | ||
+ | |||
+ | from keras.preprocessing import image | ||
+ | import numpy as np | ||
+ | |||
+ | のあと、、、、 | ||
+ | |||
+ | Numpy配列というものを、ある程度、使えるようにしておく必要がある。 | ||
+ | 数学での行列とは微妙にことなるところがあるので、注意。 | ||
+ | |||
+ | Numpy | ||
+ | reshape | ||
+ | transpose | ||
+ | |||
+ | |||
+ | ===== numpy ===== | ||
+ | NumPyで画像処理\\ | ||
+ | http:// | ||
+ | |||
+ | http:// | ||
+ | [Python]Numpyデータの並べ替え | ||
+ | |||
+ | |||
+ | https:// | ||
+ | 2017-06-23 | ||
+ | 配列の軸の順番を入れ替えるNumPyのtranspose関数の使い方 | ||
+ | |||
+ | |||
+ | |||
+ | Python – NumPyで画像を配列として取得する | ||
+ | 投稿者: edo1z 投稿日: 09/ | ||
+ | https:// | ||
+ | |||
+ | |||
+ | numpyのテンソル(配列)関係\\ | ||
+ | http:// | ||
+ | |||
+ | numpyの多次元配列の「軸を入れ換える」ということについての学習 | ||
+ | ラベル: Python | ||
+ | 2015年10月03日20時00分公開 | ||
+ | 2016年11月30日08時27分更新\\ | ||
+ | https:// | ||
+ | この解説が具体的で分かりやすい!しかし、これでと、軸とかいまいちよくわからない、 | ||
+ | |||
+ | |||
+ | http:// | ||
+ | PYTHON | ||
+ | [Python+Numpy]transposeを用いた3次元のデータの転置 | ||
+ | 2016年10月21日 ばいろん | ||
+ | |||
+ | |||
+ | http:// | ||
+ | 2017-05-10 | ||
+ | NumPyの使い方(4) 形状変換と転置 | ||
+ | |||
+ | |||
+ | http:// | ||
+ | |||
+ | 多次元行列の転置 | ||
+ | 多次元行列の軸の入れ替え | ||
+ | 多次元行列の軸の入れ換えとは、該当する要素の軸を入れ替えた新しい行列を作成すること | ||
+ | |||
+ | 2次元行列の場合 | ||
+ | 2x3行列の場合 | ||
+ | 元の行列のa13を、新しい行列のb31に設定。 | ||
+ | 元の行列の全ての要素について同様の操作を行う | ||
+ | すると、新しい行列のBは、3x2行列として出来上がる。 | ||
+ | (絵の説明を入れたい) | ||
+ | |||
+ | 3次元行列の場合 | ||
+ | 3x2x4行列の場合 | ||
+ | |||
+ | http:// | ||
+ | 行列による画像処理 基礎編&目次 ~Python画像処理の再発明家~ | ||
+ | secang0 | ||
+ | 2017年04月05日に更新 | ||
+ | |||
+ | 作成中 | ||
+ | |||
kerasで自前データで機械学習.txt · 最終更新: 2019/06/30 by adash333