AIを作ってみよう：画像処理DNN（2/3）

この記事では、AIを作ってみよう：画像分類DNN（1/3）に続き、AIを実際に作っていきます。

プログラムのコピペ

それでは、さっそくAIを作ってしまいましょう。説明は後回しです、コピペしてしまってください。

下のプログラムをコピーして、自分のPCのデスクトップへファイルとして保存してください。Pythonプログラムは通常 .py という拡張子を付けます。

コピペについてもう少し詳しい手順はこちら。

下のプログラム（データ）をマウスでなぞって全部選択します。
右クリック→コピーを実行します。
メモ帳を開いて、右クリック→ペーストを実行します。
メモ帳のファイル→保存を実行します。
場所はデスクトップとし、ファイル名に一番上に書かれた名前（dnn_mnist.py）を書いて保存します。

import os

import keras.utils

from keras.datasets import mnist

from keras.models import Sequential

from keras.layers import InputLayer,Dense, Dropout

from keras.optimizers import RMSprop

from numpy import argmax

NUM_CLASSES = 10

EPOCHS = 20

BATCH_SIZE = 128

PREDICT_NUM = 5

MODELFILE = 'model_dnn_mnist.h5'

# load mnist & split & shuffle

(feature_train, label_train), (feature_test, label_test) = mnist.load_data()

feature_train = feature_train.reshape(60000, 784) # 2dim28*28 to 1dim784

feature_test = feature_test.reshape(10000, 784)

feature_train = feature_train.astype('float32') # int to float32

feature_test = feature_test.astype('float32')

feature_train /= 255 # [0-255] to [0.0-1.0]

feature_test /= 255

# convert class vectors to binary class matrices

label_train = keras.utils.to_categorical(label_train, NUM_CLASSES)

label_test = keras.utils.to_categorical(label_test, NUM_CLASSES)

model = Sequential()

model.add(InputLayer(input_shape=(784,)))

model.add(Dense(512, activation='relu'))

model.add(Dense(10, activation='softmax'))

model.compile(loss='categorical_crossentropy',

optimizer='adam',

metrics=['accuracy'])

model.summary()

# train

if not os.path.exists(MODELFILE):

history = model.fit(feature_train, label_train,

batch_size=BATCH_SIZE,

epochs=EPOCHS,

verbose=1,

validation_data=(feature_test, label_test))

print('Train done.')

model.save_weights(MODELFILE)

print('Train saved.')

else:

# load model

model.load_weights(MODELFILE)

print('Train loaded.')

# predict

predicted = model.predict(feature_test)

for n in range(PREDICT_NUM):

print('predict = ', argmax(predicted[n]))

print('label = ', argmax(label_test[n]))

print('')

保存できたでしょうか。
プログラムの詳しい解説は次の記事に書きます。できるだけ簡単な解説にしましたので、後で初心者の人も見てみてください。

実行

プログラムが保存できたら、下記のように実行します。

コマンド入力ウィンドウを開きます。
Windowsの場合：スタートボタンを押す → メニューが出たらそのまま「cmd」と打ち「Enter」。
Macintoshの場合：「ターミナル」を実行します。
３ファイルを保存した場所に移動します。デスクトップであれば
Win,Macどちらも「cd desktop」と打ち「Enter」です。
AIの学習を実行します。
「python dnn_mnist.py」と打ち「Enter」。
MNISTデータのダウンロードと学習が始まり１0分程度待ちます。終わると学習済みモデルファイル「model_dnn_mnist.h5」が保存されます。これで何度も学習する必要がなくなります。
最後にテスト画像を予測した結果が出ます。
画像は見えませんが、ランダムに選ばれた0～9の手書き画像を読み込み予測、を5回繰り返します。
predict = ...　予測した数字です。
label = ...　こちらが正解です。上と合っていれば正しく予測したことになります。

いかがでしょうか。

ほぼ正解しているのではないでしょうか。

6万枚もの画像を学習しているので精度はいいはずですね。

今回は小さな画像を扱ったのでDNNモデルで済みましたが、大きな画像やカラーになってくるとCNNモデルが必要になってきます。

次の記事では、プログラムを簡単に解説します。

－＞　AIを作ってみよう：画像分類DNN（3/3）