Kerasで畳み込みニューラルネットワーク-簡単なCNNのコード-

cnnモデル

Kerasで簡単なCNNのコード

今回のテーマは、「Kerasで畳み込みニューラルネットワーク」です。
Kerasを使った、簡単なCNNのコードを紹介していきます。

分類対象は、MNISTの手書き文字です。

文字といっても、0〜9の数字です。

Kerasを使ってCNNを構築

Kerasを使って、畳み込みニューラルネットワーク(CNN)を構築・学習していきます。
Kerasを使うことで、非常に簡単に、畳み込みニューラルネットワークの実装ができます。

MNISTデータセットを使用

Kerasには、MNISTのデータセットがあります。

from keras.datasets import mnist

CNNのサンプルコード

import numpy as np
#データの読み込みと前処理
from keras.utils import np_utils
from keras.datasets import mnist
#kerasでCNN構築
from keras.models import Sequential
from keras.layers import Conv2D, MaxPooling2D
from keras.layers import Activation, Dropout, Flatten, Dense
from keras.optimizers import Adam
#時間計測
import time


'''
データの読み込みと前処理
'''
#データの読み込み
(X_train, y_train), (X_test, y_test) = mnist.load_data()

#訓練データ
X_train = X_train.reshape(60000, 28, 28, 1)
X_train = X_train.astype('float32')#型を変更
X_train /= 255 #0から1.0の範囲に変換

#正解ラベル
correct = 10
y_train = np_utils.to_categorical(y_train, correct)

#テストデータ
X_test = X_test.reshape(10000, 28, 28, 1)
X_test = X_test.astype('float32')
X_test /= 255

y_test = np_utils.to_categorical(y_test, correct)

'''
CNNの構築
'''

model = Sequential()

model.add(Conv2D(filters=10, kernel_size=(3,3), padding='same', input_shape=(28, 28, 1), activation='relu'))
model.add(Flatten())
model.add(Dense(10, activation='softmax'))

model.compile(loss='categorical_crossentropy', optimizer=Adam(), metrics=['accuracy'])

'''
学習
'''
#計測開始
startTime = time.time()

history = model.fit(X_train, y_train, epochs=20, batch_size=100, verbose=1, validation_data=(X_test, y_test))

score = model.evaluate(X_test, y_test, verbose=0)

print('Test Loss:{0:.3f}'.format(score[0]))
print('Test accuracy:{0:.3}'.format(score[1]))
#処理時間
print("time:{0:.3f}sec".format(time.time() - startTime))

結果

Test Loss:0.081
Test accuracy:0.981
time:170.416sec

NNとCNNの比較

以下の結果は、前回のkerasによるニューラルネットワーク-1のシンプルなニューラルネットワークの結果です。
Test Loss:0.088
Test Accuracy: 0.9794
time:39.577sec

精度(正解率)は上がっていますが、

処理時間がかなり増加しています。

Kerasでこんなこともできるぞ!!

アニメ画像をCNNで学習させて、分類器を作る!

CNNのフィルター数と精度の実験

CNNのフィルター数は精度と、どう関係があるのか?
最適なフィルター数を考えてみる

参考書


ゼロから作るDeep Learning


夢見るディープラーニング ニューラルネットワーク[Python実装]入門