読者です 読者をやめる 読者になる 読者になる

kyosho5’s blog

貧乏で数学があまり得意ではない理系出身のエンジニアのブログ

【Tensorflow】 MNIST【もう一歩】

先日、MNISTについてのはじめの一歩として以下の記事を掲載した。

kyosho5.hatenablog.com



今回はその続き。



またしてもコピペだけど、動作確認はしてある。



#MNISTデータセットをダウンロード・インポートする
from tensorflow.examples.tutorials.mnist import input_data
mnist = input_data.read_data_sets('MNIST_data', one_hot=True)

#InteractiveSessionクラスを使用する
import tensorflow as tf
sess = tf.InteractiveSession()

#入力の画像と出力のクラスのノードを生成(プレースホルダ)
x = tf.placeholder(tf.float32, shape=[None, 784])
y_ = tf.placeholder(tf.float32, shape=[None, 10])

#モデルのウェイトとバイアスを定義
W = tf.Variable(tf.zeros([784,10]))
b = tf.Variable(tf.zeros([10]))

#変数の初期化(すべて0で初期化)
sess.run(tf.initialize_all_variables())

#回帰モデルの実装(入力画像とウェイト、バイアスから各クラスに代入されるソフトマックス確率を算出する)
y = tf.matmul(x,W) + b

#コスト関数は予測対クラスとモデル予測結果の交差エントロピー
cross_entropy = tf.reduce_mean(tf.nn.softmax_cross_entropy_with_logits(y, y_))

#勾配降下法をステップ長0.5で使用し、交差エントロピーを減少させる
train_step = tf.train.GradientDescentOptimizer(0.5).minimize(cross_entropy)

#モデルのトレーニングはtrain_stepの繰り返し実行でたっせいされる
for i in range(1000):
  batch = mnist.train.next_batch(100)
  train_step.run(feed_dict={x: batch[0], y_: batch[1]})

#モデルの評価
correct_prediction = tf.equal(tf.argmax(y,1), tf.argmax(y_,1))

#真偽値のリストを得る
accuracy = tf.reduce_mean(tf.cast(correct_prediction, tf.float32))

#テストデータにおける正確度を評価する
print(accuracy.eval(feed_dict={x: mnist.test.images, y_: mnist.test.labels}))

#ウェイトとバイアスの初期化メソッド
#対称性崩すため0ではなく正の値で初期化する
def weight_variable(shape):
  initial = tf.truncated_normal(shape, stddev=0.1)
  return tf.Variable(initial)

def bias_variable(shape):
  initial = tf.constant(0.1, shape=shape)
  return tf.Variable(initial)


#畳み込みとプーリング処理
def conv2d(x, W):
    return tf.nn.conv2d(x, W, strides=[1, 1, 1, 1], padding='SAME')

def max_pool_2x2(x):
    return tf.nn.max_pool(x, ksize=[1, 2, 2, 1],
                                           strides=[1, 2, 2, 1], padding='SAME')

#第一の畳み込み層
#パッチサイズ5×5、特徴量32
W_conv1 = weight_variable([5, 5, 1, 32])
b_conv1 = bias_variable([32])

x_image = tf.reshape(x, [-1,28,28,1])

h_conv1 = tf.nn.relu(conv2d(x_image, W_conv1) + b_conv1)
h_pool1 = max_pool_2x2(h_conv1)

#第二の畳み込み層
#パッチサイズ5×5、特徴量64
W_conv2 = weight_variable([5, 5, 32, 64])
b_conv2 = bias_variable([64])

h_conv2 = tf.nn.relu(conv2d(h_pool1, W_conv2) + b_conv2)
h_pool2 = max_pool_2x2(h_conv2)

#
W_fc1 = weight_variable([7 * 7 * 64, 1024])
b_fc1 = bias_variable([1024])

h_pool2_flat = tf.reshape(h_pool2, [-1, 7*7*64])
h_fc1 = tf.nn.relu(tf.matmul(h_pool2_flat, W_fc1) + b_fc1)

#過学習を防ぐために読みだしそうの前にドロップアウトを設定する
keep_prob = tf.placeholder(tf.float32)
h_fc1_drop = tf.nn.dropout(h_fc1, keep_prob)

#ソフトマックス層を追加
W_fc2 = weight_variable([1024, 10])
b_fc2 = bias_variable([10])


y_conv=tf.nn.softmax(tf.matmul(h_fc1_drop, W_fc2) + b_fc2)

cross_entropy = -tf.reduce_sum(y_*tf.log(y_conv))
train_step = tf.train.AdamOptimizer(1e-4).minimize(cross_entropy)
correct_prediction = tf.equal(tf.argmax(y_conv,1), tf.argmax(y_,1))
accuracy = tf.reduce_mean(tf.cast(correct_prediction, tf.float32))
sess.run(tf.initialize_all_variables())
for i in range(20000):
  batch = mnist.train.next_batch(50)
  if i%100 == 0:
    train_accuracy = accuracy.eval(feed_dict={
        x:batch[0], y_: batch[1], keep_prob: 1.0})
    print("step %d, training accuracy %g"%(i, train_accuracy))
  train_step.run(feed_dict={x: batch[0], y_: batch[1], keep_prob: 0.5})

print("test accuracy %g"%accuracy.eval(feed_dict={
    x: mnist.test.images, y_: mnist.test.labels, keep_prob: 1.0}))


一番最後の処理群は、一定ステップごとにログを出力する処理。(上記の場合は100ステップごと)



正直、pythonとしてコードが読めること以上に、深層学習の理論を整理しておく必要があると感じた。




今までjavaだのpythonだのPHPだの、勉強そのものをしているときは理屈以上に手を動かして体で覚えることが大事なんだなーと思ってたけど、




機械学習を勉強し始めてからはそれだけではあかんのだろうな...と







とりあえず、勉強は続けていますよ、というアピールの意味も込めて。




文字認識だけではなく、cifar-10とかも使って画像認識とかができるようになればもっと楽しくなると思うので




もう少し踏ん張っていきましょう。