Qstairs

現役AIベンチャーCTOの知見、画像認識(人工知能、Deep Learning)を中心とした技術ノウハウをアップしていきます

広告

【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

広告