イントロダクション

前回は、TensorflowのKerasを使用して大まかな機械学習の「流れ」を追いかけてみました。

Tensorflow Keras 〜初めてのKeras〜
今回は、処理の内容について学んでいきます。

fashion_mnist = keras.datasets.fashion_mnist

(train_images, train_labels), (test_images, test_labels) = fashion_mnist.load_data()

ここで処理を一度実行してみます。自分の環境ではエラーが出ました。「pyplot」のインポートができませんでした。解決策はこちら

初めのニューラルネットワーク

基本的な分類処理を行うようです。「Basic classification」

上に記載したように、MNISTからトレーニングデータを取得(ロード)して機械学習を行います。そして参考サイトには以下のように記載されています。

データセットをロードすると、4つのNumPy配列が返されます。

• train_imagesそしてtrain_labels配列は、トレーニングセットモデルを学ぶために使用する-theデータを。
• モデルはテストセット、the test_images、およびtest_labels配列に対してテストされます。

この点に注意して学習を進めます。

分類(Classification)について

MNISTの画像データ(fashion_mnist)は以下のように分類されています。

そして下のような注意点があるので指示の通りにします。

各画像は単一のラベルにマッピングされます。
クラス名はデータセットに含まれていないので、
後で画像をプロットするときに使用するために、それらをここに保存します。

<コード>

class_names = ['T-shirt/top', 'Trouser', 'Pullover', 'Dress', 'Coat', 
               'Sandal', 'Shirt', 'Sneaker', 'Bag', 'Ankle boot']

データを調べる(コード実行)

下のようなコードになりました。

# TensorFlow and tf.keras
import tensorflow as tf
from tensorflow import keras

# Helper libraries
import numpy as np
import matplotlib.pyplot as plt

print(tf.__version__)

# Get MINST data
fashion_minst = keras.datasets.fashion_mnist
(train_images, train_labels), (test_images, test_labels) = fashion_minst.load_data()

# Chcke MINST data
print("トレーニングイメージ数(train_images.shape)：%s " % (train_images.shape,))
print("トレーニングラベル数(len(train_labels)): %d" % len(train_labels))
print("トレーニングラベルの中身： %d" % train_labels[0])

今回はここまでにしておきます。

関連ページ一覧

1. Tensorflow Keras 〜初めてのKeras〜
2. Tensorflow Keras Errors〜"python is not installed as a framework."〜
3. Python Tensorflow 〜初めての人工知能(TensorFlowインストール)〜

[rakuten ids="bagray:10006253"]