【Tensorflow】Googleの機械学習ツールTensorflowを使ってみよう③
前回まででTensorflowを使うための環境構築は完了しました。
それでは、実際に使ってみます。
Tensorflowのチュートリアルとして、
MNIST For ML Beginnersをまず試すと良いみたいです。
MNISTは数字画像データセットで、
このデータを使って、画像に書かれている数字を識別するアルゴリズムをTensorflowを使って実装します。
実装したソースは以下になります。
#!/usr/bin/env python # -*- coding: utf-8 -*- # TensorFlowを使うことを宣言する(インポート) import tensorflow as tf # MNISTに必要なデータを取得し、宣言する(インポート) from tensorflow.examples.tutorials.mnist import input_data mnist = input_data.read_data_sets("MNIST_data/", one_hot=True) # 数字画像(28 pixels × 28 pixels = 784個の数字)を領域を供給する x = tf.placeholder("float",[None,784]) # 重み 0で初期化 w = tf.Variable(tf.zeros([784,10])) # バイアス 0で初期化 b = tf.Variable(tf.zeros([10])) # ソフトマックス回帰(メイン処理) y = tf.nn.softmax(tf.matmul(x,w)+b) # 正解データ ラベル y_ = tf.placeholder("float",[None,10]) # エントロピー計算 cross_entropy = -tf.reduce_sum(y_*tf.log(y)) # 最適化処理 train_step = tf.train.GradientDescentOptimizer(0.01).minimize(cross_entropy) # 初期化処理 init = tf.initialize_all_variables() # セッション(学習、評価処理)開始 sess = tf.Session() sess.run(init) # 学習 for i in range(1000): # batch_xs:学習する数字画像 batch_ys:正解データラベル batch_xs, batch_ys = mnist.train.next_batch(100) sess.run(train_step, feed_dict={x: batch_xs, y_: batch_ys}) # 評価 # 正解判定 correct_prediction = tf.equal(tf.argmax(y,1),tf.argmax(y_,1)) # 精度計算 accuracy = tf.reduce_mean(tf.cast(correct_prediction, "float")) # 評価結果表示 mnist.test.images:評価画像 mnist.test.labels:正解データラベル print sess.run(accuracy, feed_dict={x: mnist.test.images, y_: mnist.test.labels})
ソース中のコメントで解説は入れていますが、
正直、私もまだわからない関数ばかりです...(^_^;
これから勉強していきます!
実行結果は下のようになります。
Extracting MNIST_data/train-images-idx3-ubyte.gz Extracting MNIST_data/train-labels-idx1-ubyte.gz Extracting MNIST_data/t10k-images-idx3-ubyte.gz Extracting MNIST_data/t10k-labels-idx1-ubyte.gz 0.9134
今回参考にさせていただいたブログは↓
TensorFlow MNIST For ML Beginners チュートリアルの実施 - Qiita
【TensorFlowのTutorialをざっくり日本語訳していく】1. MNIST For ML Beginners - Qiita