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 | 前のリビジョン最新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 [2017/08/03] – [メモ] adash333 | kerasで自前データで機械学習 [2018/10/07] – 外部編集 127.0.0.1 | ||
---|---|---|---|
行 116: | 行 116: | ||
# original code from http:// | # original code from http:// | ||
- | from keras.applications.vgg16 import VGG16, preprocess_input, | ||
from keras.preprocessing import image | from keras.preprocessing import image | ||
import numpy as np | import numpy as np | ||
import sys | import sys | ||
- | + | filepath | |
- | # 入力画像のロード | + | image = np.array(Image.open(filepath).resize((25, 25))) |
- | filename | + | print(filepath) |
- | img = image.load_img(filename, target_size=(25, 25)) | + | image = image.transpose(2, 0, 1) |
- | # 入力画像の行列化 | + | image = image.reshape(1, image.shape[0] * image.shape[1] * image.shape[2]).astype(" |
- | x = image.img_to_array(img) | + | |
- | # 4次元テンソル | + | |
- | x = np.expand_dims(x, axis=0) | + | |
- | # 予測 | + | |
result = model.predict_classes(np.array([image / 255.])) | result = model.predict_classes(np.array([image / 255.])) | ||
+ | print(" | ||
+ | </ | ||
- | print(" | + | さらに変更 |
- | + | < | |
- | + | テスト | |
- | + | ||
- | + | ||
- | + | ||
- | + | ||
- | + | ||
- | preds = model.predict(preprocess_input(x)) | + | |
- | results = decode_predictions(preds, | + | |
- | # 結果出力 | + | |
- | for result in results: | + | |
- | print(result) | + | |
</ | </ | ||
+ | |||
+ | https:// | ||
行 171: | 行 159: | ||
import numpy as np | import numpy as np | ||
- | のあと、 | + | のあと、、、、 |
- | 画像のアドレスを指定 | + | 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 | ||
+ | http:// | ||
+ | |||
+ | |||
+ | |||
+ | ===== 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 | 作成中 | ||
行 187: | 行 245: | ||
https:// | https:// | ||
Python 3.5 対応画像処理ライブラリ Pillow (PIL) の使い方 | Python 3.5 対応画像処理ライブラリ Pillow (PIL) の使い方 | ||
+ | |||
+ | http:// | ||
+ | Pythonで画像処理 | ||
+ | 2015-04-17 画像の切り出しなど | ||
today 2013-05-06 Mon person Takahiro Ikeuchi | today 2013-05-06 Mon person Takahiro Ikeuchi |
kerasで自前データで機械学習.txt · 最終更新: 2019/06/30 by adash333