 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。
- 画像を分類するニューラルネットワークを構築する
- このニューラルネットワークを訓練する
- 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。
- 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。
- 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。