初心者のための TensorFlow 2.0 入門

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。

この他の例やガイドはTensorFlow tutorialsを参照してください。

はじめに、TensorFlowライブラリをプログラムにインポートします。

from __future__ import absolute_import, division, print_function, unicode_literals

!pip install -q tensorflow-gpu==2.0.0-rc1
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 78us/sample - loss: 0.2964 - accuracy: 0.9143
Epoch 2/5
60000/60000 [==============================] - 4s 63us/sample - loss: 0.1430 - accuracy: 0.9573
Epoch 3/5
60000/60000 [==============================] - 4s 63us/sample - loss: 0.1076 - accuracy: 0.9674
Epoch 4/5
60000/60000 [==============================] - 4s 64us/sample - loss: 0.0899 - accuracy: 0.9719
Epoch 5/5
60000/60000 [==============================] - 4s 63us/sample - loss: 0.0746 - accuracy: 0.9761
10000/1 - 1s - loss: 0.0391 - accuracy: 0.9759

[0.07652447160291485, 0.9759]

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。