TensorfFlowの’Hello World’

2020/03/08 2020/03/09

TensorfFlow.orgに’Hello World’として紹介されている「MNISTの手書き数字の分類」をやってみる。備忘録的に注釈をつけ、同じく初心者向けチュートリアルのfashion_mnist分類にあった、「中身のデータのちょっとした確認」を付け加えたもの。

import tensorflow as tf
import matplotlib.pyplot as plt
import numpy as np
#from tensorflow import keras

#訓練データと試験データをダウンロード
mnist = tf.keras.datasets.mnist
(x_train, y_train),(x_test, y_test) = mnist.load_data()

#各データの各ピクセル0~255を、0~1に
x_train, x_test = x_train / 255.0, x_test / 255.0

#データの確認１
plt.figure(figsize=(10,10))
for i in range(25):
    plt.subplot(5,5,i+1)
    plt.xticks([])
    plt.yticks([])
    plt.grid(False)
    plt.imshow(x_train[i], cmap=plt.cm.binary)
    plt.xlabel(y_train[i])
plt.show()

#データの確認２（省略）
"""
for i in range(2):
    plt.figure()
    plt.imshow(x_train[i])
    plt.colorbar()
    plt.grid(False)
    plt.show()
    print('ans: ', y_train[i])
"""

model = tf.keras.models.Sequential([
  #Flattenは一列にならべること:28*28を784に
  tf.keras.layers.Flatten(input_shape=(28, 28)),
  #Denseで中間層のノード256個　活性化関数reluを指定
  tf.keras.layers.Dense(256, activation='relu'),
  #2割のデータを捨て、特定のデータに引きずられないようにする
  tf.keras.layers.Dropout(0.2),
  #全結合層10個（0~9の分類なので）のノードに 活性化関数softmax
  tf.keras.layers.Dense(10, activation='softmax')
])

#adam optimizerを使う、などなど metricsは評価方法
model.compile(optimizer='adam',
              loss='sparse_categorical_crossentropy',
              metrics=['accuracy'])

#.fitで、10回トレーニング
model.fit(x_train, y_train, epochs=10)

#テスト
#model.evaluate(x_test, y_test)

#予測のテストのチェック
plt.figure()
plt.imshow(x_test[0])
plt.colorbar()
plt.grid(False)
plt.show()

predictions = model.predict(x_test)
print(predictions[0])
print(np.argmax(predictions[0]))

plt.figure(figsize=(10,10))
for i in range(25):
    plt.subplot(5,5,i+1)
    plt.xticks([])
    plt.yticks([])
    plt.grid(False)
    plt.imshow(x_test[i], cmap=plt.cm.binary)
    plt.xlabel("{}  ({:2.0f}%)  ans:{}".format(np.argmax(predictions[i]),100*np.max(predictions[i]),y_test[i]))
plt.show()

実行してみますと。

これで、99%くらいの正確さらしい。