ユーザ用ツール

サイト用ツール


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。

この比較画面へのリンク

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で自前データで機械学習 [2017/08/02] – [3.fruit.pyのコードをコピペして、Shift+Enter で実行。\\] adash333kerasで自前データで機械学習 [2019/06/30] (現在) – [(7)Kerasで自前データで機械学習] adash333
行 6: 行 6:
  
 http://twosquirrel.mints.ne.jp/?p=19448 http://twosquirrel.mints.ne.jp/?p=19448
 +自前のデータでKerasで画像分類を写経してみる(1)
 +2017/7/31
  
 以下のサイトのコードをコピペです。(このような分かりやすい解説に大感謝です。) 以下のサイトのコードをコピペです。(このような分かりやすい解説に大感謝です。)
行 67: 行 69:
 (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\\ (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\\ (3)今回は、その10枚の予測の正解率は100%であった\\
 +[[http://twosquirrel.mints.ne.jp/wp-content/uploads/2017/07/image-326.png|結果の図の例]]\\
 ということになります。 ということになります。
 +
 +(動画の解説はここまで)
 +
 +==== メモ ====
 +
  
 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 104: 行 112:
     print(result)     print(result)
 </code> </code>
 +
 +上記コードを少し変更
 +
 +<code>
 +# original code from http://yujikawa11.hatenablog.com/entry/2017/01/09/153436
 +
 +from keras.preprocessing import image
 +import numpy as np
 +import sys
 +
 +filepath = "./pikachu.jpg"
 +image = np.array(Image.open(filepath).resize((25, 25)))
 +print(filepath)
 +image = image.transpose(2, 0, 1)
 +image = image.reshape(1, image.shape[0] * image.shape[1] * image.shape[2]).astype("float32")[0]
 +result = model.predict_classes(np.array([image / 255.]))
 +print("result:", result[0], "(0:りんご, 1:オレンジ)")
 +</code>
 +
 +さらに変更
 +<code>
 +テスト
 +</code>
 +
 +https://gist.github.com/adash333/15d9b33eef7a00f993bbc32a168f6ca0
 +
  
 ===== 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 127: 行 161:
 import numpy as np import numpy as np
  
-のあと、+のあと、、、
  
-画像のアドレス+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://www.mathgram.xyz/entry/keras/preprocess/img 
 + 
 + 
 + 
 +===== numpy ===== 
 +NumPyで画像処理\\ 
 +http://www.mwsoft.jp/programming/computer_vision_with_python/1_3_numpy.html 
 + 
 +http://qiita.com/supersaiakujin/items/c580f2aae90818150b35\\ 
 +[Python]Numpyデータ並べ替え 
 + 
 + 
 +https://deepage.net/features/numpy-transpose.html\\ 
 +2017-06-23 
 +配列の軸の順番入れ替える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: 09/27/2015\\ 
 +https://endoyuta.com/2015/09/27/python-numpyで画像を配列として取得する/ 
 + 
 + 
 +numpyのテンソル(配列)関係\\ 
 +http://oppython.hatenablog.com/entry/2014/01/05/004454 
 + 
 +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://p--q.blogspot.jp/2015/10/numpy.html?m=1\\ 
 +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://discexuno.wp.xdomain.jp/2016/10/21/pythonnumpytransposeを用いた3次元のデータの転置/\\ 
 +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://python-remrin.hatenadiary.jp/entry/2017/05/10/183809\\ 
 +2017-05-10 
 +NumPyの使い方(4) 形状変換と転置 
 + 
 + 
 +http://sleeping-micchi.hatenablog.com/entry/2014/04/18/003935\\ 
 + 
 +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。 
 +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://qiita.com/secang0/items/1229212a37d8c9922901\\ 
 +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 143: 行 247:
 https://librabuch.jp/blog/2013/05/python_pillow_pil/\\ https://librabuch.jp/blog/2013/05/python_pillow_pil/\\
 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://aokiji.science/blog/?p=219\\
 +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.1501718373.txt.gz · 最終更新: 2018/10/07 (外部編集)

Donate Powered by PHP Valid HTML5 Valid CSS Driven by DokuWiki