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-

ディープラーニング

2018.07.132019.04.30

Kerasで簡単なCNNのコード
Kerasを使ってCNNを構築
1. MNISTデータセットを使用
CNNのサンプルコード
1. 結果
NNとCNNの比較
Kerasでこんなこともできるぞ！！
1. アニメ画像をCNNで学習させて、分類器を作る！
2. CNNのフィルター数と精度の実験
参考書

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))