次世代IT人材育成セミナー2018/第4回のバックアップ(No.3)

バックアップ一覧
差分を表示
現在との差分を表示
ソースを表示
次世代IT人材育成セミナー2018/第4回へ行く。
- 1 (2019-01-12 (土) 16:29:40)
- 2 (2019-01-12 (土) 17:24:13)
- 3 (2019-01-13 (日) 01:48:56)

第4回 †

第4回

MNISTのテスト †

Colabで学習した重みファイル mnist-mlp-weights.h5 を読み込み、digit7.pngの画像の数字を判定する。

画像ファイルはペイントで作成し、100x100程度の大きさで、背景が黒、文字が白。

import cv2
import matplotlib.pyplot as plt
import keras
from keras.models import Sequential
from keras.layers import Dense
import numpy as np

in_size=28*28
out_size=10

model=keras.models.Sequential()
model.add(Dense(512,activation='relu',input_shape=(in_size,)))
model.add(Dense(out_size,activation='softmax'))
model.load_weights('mnist-mlp-weights.h5')

im=cv2.imread("digit7.png")
im=cv2.cvtColor(im,cv2.COLOR_BGR2GRAY)
im=cv2.resize(im,(28,28))
plt.imshow(im,cmap='gray')
plt.show()

im=im.reshape(in_size).astype('float32')/255
res=model.predict(np.array([im]),verbose=0)
res=res[0]
print("digit=",res.argmax())

↑

CIFAR-10のテスト †

インターネットから持ってきた画像の種類を識別する。

import matplotlib.pyplot as plt
import keras
from keras.datasets import cifar10
from keras.models import Sequential
from keras.layers import Dense,Dropout,Activation,Flatten
from keras.layers import Conv2D,MaxPooling2D
%matplotlib inline

num_classes=10
im_rows=32
im_cols=32
in_shape=(im_rows,im_cols,3)
labels=['airplane','automobile','bird','cat','deer','dog','frog','horse','ship','truck']

(X_train,y_train),(X_test,y_test)=cifar10.load_data()

X_train=X_train.astype('float32')/255
X_test=X_test.astype('float32')/255
y_train=keras.utils.to_categorical(y_train,num_classes)
y_test=keras.utils.to_categorical(y_test,num_classes)

model=Sequential()
model.add(Conv2D(32,(3,3),padding='same',input_shape=in_shape))
model.add(Activation('relu'))
model.add(Conv2D(32,(3,3)))
model.add(Activation('relu'))
model.add(MaxPooling2D(pool_size=(2,2)))
model.add(Dropout(0.25))

model.add(Conv2D(64,(3,3),padding='same'))
model.add(Activation('relu'))
model.add(Conv2D(64,(3,3)))
model.add(Activation('relu'))
model.add(MaxPooling2D(pool_size=(2,2)))
model.add(Dropout(0.25))

model.add(Flatten())
model.add(Dense(512))
model.add(Activation('relu'))
model.add(Dropout(0.5))
model.add(Dense(num_classes))
model.add(Activation('softmax'))

model.load_weights('cifar10-cnn-weights.h5')

im=cv2.imread("frog1.jpg")
im=cv2.cvtColor(im,cv2.COLOR_BGR2RGB)
im=cv2.resize(im,(32,32))
plt.imshow(im)
plt.show()

im=im.reshape(in_shape).astype('float32')/255
r=model.predict(np.array([im]),batch_size=32,verbose=0)
res=r[0]

for i,acc in enumerate(res):
    print(labels[i],"=",int(acc*100))
print("---")
print("予測した結果=",labels[res.argmax()])

↑

課題：男女判定 †

男女の身長と体重が記録されたデータを読み、身長と体重から男なのか女なのかを判定する深層学習を用いたシステムを作りなさい。

import pandas as pd
import matplotlib.pyplot as plt
from sklearn.model_selection import train_test_split
import keras
from keras.models import Sequential
from keras.layers import Dense,Dropout

data=pd.read_csv('man-and-woman.csv')
data=data.sample(frac=1)
x_data=data.loc[:,['tall','weight']]
y_data=data.loc[:,'sex']
labels={
    'man': [1,0],
    'woman': [0,1]
}
y_data=np.array(list(map(lambda x:labels[x],y_data)))
x_train,x_test,y_train,y_test=train_test_split(x_data,y_data,train_size=0.8)

model=Sequential()
model.add(Dense(10,activation='relu',input_dim=2))
model.add(Dense(2,activation='softmax'))

model.compile(loss='binary_crossentropy',
             optimizer='adam',
             metrics=['accuracy'])
model.fit(x_train,y_train,batch_size=20,epochs=10)

score=model.evaluate(x_test,y_test)
print("正解率=",score[1]," loss=",score[0])

↑

リンク †

解説記事
データセット
- Fashion MNIST
- &ref(): File not found: "man-and-woman.csv" at page "次世代IT人材育成セミナー/第4回";
- Keras.datasets
- 顔画像認識に使えそうな10のデータセット

次世代IT人材育成セミナー?