この記事では、AIを作ってみよう：画像分類DNN（2/3） で作ったAIを解説していきます。
プログラムを簡単に解説
作ったプログラムをパートに分けてみます。
最初のパートでは、データを読み込んだ後、学習をするための変形をしています。
画像データは縦×横の２次元になっていますが、学習では２次元にする必要がなく、また単純に順番に読み込むと早いことから、１次元にします。
さらに、「３」という数値を「0,0,1,0,0,0,0,0,0,0」のような３つ目を1とした0/1の数値にします。これをベクトル化（one-hotベクトル化）といい、学習するに都合のよい形となります。
次のパートでは、DNNモデルを生成しています。kerasライブラリを用いて、層を重ね（addし）、結果、下のような構成のモデルにしています。
入力層は入力データのドット数784に、出力層は出力する分類の数（今回は0～9の数字）10個になります。
中間層の数は割と自由に定義できます。特徴を記憶できる厚みを表し、多いほど特徴をとらえますが多すぎても精度は上がりません。データが複雑でなければほどほどの数値にします。
３つ目のパートでは、学習データをDNNモデルに入れ学習をさせています。fitという命令１行でできてしまうんですね。
最後のパートで、predictという命令を用いて学習済みモデルにテストデータを入れ、予測をさせています。予測の結果は最初の５つだけ取り出し、表示させています。
簡単ですがプログラムの解説は以上です。
簡単なDNNモデルで正確な予測ができているのは、小さな画像を扱っているからですが、モデル内の活性化関数、最適化アルゴリズムという要素が効いているからともいえます。別の記事で紹介していきます。