TensorFlow sample: Deep neural network for MNIST (TensorFlow v1 compatible を利用)

MNISTサンプル画像データを使った文字認識のDNNプログラムを作成する演習．

• はじめに， Pythonのおまじない

  #!/usr/bin/env python3
  from matplotlib import pyplot as plt
  from matplotlib import cm
  import numpy as np 
  

• MINISTデータのダウンロード先のフォルダを作成しておく. Colaboratory を使う場合, 以下のようにGoogle　Driveのアカウント上のドライブをマウントして使う.

  from google.colab import drive
  drive.mount('/content/drive')
  import os
  os.chdir('/content/drive/MyDrive/Colab Notebooks/')
  os.getcwd()
  

• MINISTデータを保存するフォルダを ./data/minist とする． notebook環境からターミナルコマンドを実行するには，エクスクラメーションマーク（!）をつける (mkdir はフォルダを作成するコマンド)． フォルダの作成はWindowsエクスプローラーなどで作成しても良い．

  !mkdir data
  !mkdir data/mnist
  

• TensorFlow tfleanライブラリを読み込み, MINISTのデータをロードする． (初めての場合は，自動的にデータがダウンロードされる．)

  !pip install tflearn
  import tflearn 
  import tflearn.datasets.mnist as mnist 
  trainX, trainY, testX, testY = mnist.load_data('./data/mnist',one_hot=True)
  

• どのようなデータかを確認しておく (trainが学習用データ，testが検証用データ． Xが画像データ,　Yが正解ラベル(one-hot形式.)

  plt.imshow(testX[1].reshape(28,28), cmap=cm.gray, interpolation='nearest')
  plt.show()
  

ディープ・ニューラルネットワーク(DNN)の作成

import tensorflow as tf

# construct a neural-network
tf.compat.v1.reset_default_graph()

# input layer
net = tflearn.input_data(shape=[None,784])

# hidden layer 
net = tflearn.fully_connected(net, 128, activation='relu')
net = tflearn.dropout(net, 0.5) # 50 % を残す

# output layer
net = tflearn.fully_connected(net, 10, activation='softmax') # return 0--1 probability
#net = tflearn.regression(net, optimizer='sgd', learning_rate=0.5, loss='categorical_crossentropy')
net = tflearn.regression(net, optimizer='adam', loss='categorical_crossentropy')

学習モデルの作成

# training 
model = tflearn.DNN(net)
model.fit(trainX,trainY, n_epoch = 20, batch_size=100, validation_set=0.1, show_metric=True)

予測モデルの結果を確認(testXが画像データ, predが予測結果)

# prediction 
pred = np.array(model.predict(testX)).argmax(axis=1)
print(pred)

• 全データでモデルの精度をチェック (testYがone-hot形式なので， 正解の数字(label)に変換)

  print(testY.shape)
  label = testY.argmax(axis=1)
  print(label)
  accuracy = np.mean(pred==label, axis=0)
  print(accuracy)
  

(参考) 「初めてのTensorFlow」 足立悠 著 (リックテレコム)