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!
KerasによるCNNでアニメ画像の認識-ジャンヌ3姉妹-
...
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
CNNのフィルター数と学習精度について-1層の畳み込み層-...