初心者のための TensorFlow 2.0 入門

View on TensorFlow.org Run in Google Colab View source on GitHub Download notebook

この短いイントロダクションでは Keras を使って下記のことを行います。

  1. 画像を分類するニューラルネットワークを構築する
  2. このニューラルネットワークを訓練する
  3. そして最後に、モデルの正解率を評価する

このファイルは Google Colaboratory の notebook ファイルです。 Python プログラムはブラウザ上で直接実行されます。TensorFlow を学んだり使ったりするには最良の方法です。Google Colab のnotebook の実行方法は以下のとおりです。

  1. Pythonランタイムへの接続:メニューバーの右上で「接続」を選択します。
  2. ノートブックのコードセルをすべて実行:「ランタイム」メニューから「すべてのセルを実行」を選択します。

TensorFlow 2 のパッケージをダウンロードしてインストールします。プログラムに TensorFlow をインポートします。

from __future__ import absolute_import, division, print_function, unicode_literals

# TensorFlow をインストール

import tensorflow as tf

MNIST データセットをロードして準備します。サンプルを整数から浮動小数点数に変換します。

mnist = tf.keras.datasets.mnist

(x_train, y_train), (x_test, y_test) = mnist.load_data()
x_train, x_test = x_train / 255.0, x_test / 255.0

層を積み重ねてtf.keras.Sequentialモデルを構築します。訓練のためにオプティマイザと損失関数を選びます。

model = tf.keras.models.Sequential([
  tf.keras.layers.Flatten(input_shape=(28, 28)),
  tf.keras.layers.Dense(128, activation='relu'),
  tf.keras.layers.Dropout(0.2),
  tf.keras.layers.Dense(10, activation='softmax')
])

model.compile(optimizer='adam',
              loss='sparse_categorical_crossentropy',
              metrics=['accuracy'])

モデルを訓練してから評価します。

model.fit(x_train, y_train, epochs=5)

model.evaluate(x_test,  y_test, verbose=2)
Train on 60000 samples
Epoch 1/5
60000/60000 [==============================] - 5s 75us/sample - loss: 0.2937 - accuracy: 0.9140
Epoch 2/5
60000/60000 [==============================] - 4s 65us/sample - loss: 0.1421 - accuracy: 0.9577
Epoch 3/5
60000/60000 [==============================] - 4s 65us/sample - loss: 0.1084 - accuracy: 0.9671
Epoch 4/5
60000/60000 [==============================] - 4s 68us/sample - loss: 0.0881 - accuracy: 0.9732
Epoch 5/5
60000/60000 [==============================] - 4s 72us/sample - loss: 0.0757 - accuracy: 0.9765
10000/10000 - 1s - loss: 0.0787 - accuracy: 0.9767

[0.07873706701728515, 0.9767]

この画像分類器は、今回のデータセットで訓練した場合、最大98%程度の正解率となります。更に学ぶにはTensorFlow tutorialsを読んでください。