Kerasによるニューラルネットワーク
今回は、「Kerasによるニューラルネットワーク」です。
簡単な概要と簡単なサンプルを紹介していきます。
このページを見ながら、プログラムすれば、
実行できるニューラルネットワーク
を組むことができます。
特に、初心者にオススメの記事です。
では、ニューラルネットワークを体験していきましょう。
Kerasとは?
TensorFlowをよりシンプルなコードで動かすためのライブラリがKerasです。
ライブラリにある層を追加していくことで、簡単にネットワークが構築できます。
簡単に構築できるため、Kerasは、DeepLearningの入門書などでよく利用されています。
日本語ドキュメントもあります。
https://keras.io/ja/
基本的な構築
まず、Sequentialクラスの新しいオブジェクトを作ります。
このオブジェクトをmodelと呼ぶことにします。
このmodelオブジェクトに、層を追加していくことで、ニューラルネットを構築していきます。
追加には、add()メソッドを使います。
層を入れ込んで、ネットワークが構築できたら、最後にcompile()メソッドでコンパイルします。
この完成されたオブジェクト（ニューラルネットワーク）に学習させ、検証します。
学習・検証には、fit()メソッドを使います。
ちょっとまとめ
簡単にまとめると、
- ニューラルネットワークのオブジェクトを用意する
- このオブジェクトに層を追加していく
- オブジェクトをまとめる
- 学習させる
イメージ図
汚いですが、イメージ図を作ってみました。
サンプルコード
手書き文字の学習をしています。
入力層-中間層-出力層の３層ニューラルネットワークです。
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, 784)#平滑化
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, 784)
X_test = X_test.astype('float32')
X_test /= 255
y_test = np_utils.to_categorical(y_test, correct)
'''
入力+中間層+出力層の３層NNの構築
'''
model = Sequential()
model.add(Dense(200, input_dim=784, activation='relu'))
model.add(Dense(10, activation='sigmoid'))
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)
#誤り率
print('Test Loss:{0:.3f}'.format(score[0]))
#正解率
print('Test Accuracy:', score[1])
#処理にかかった時間
print("time:{0:.3f}sec".format(time.time() - startTime))
結果
Test Loss:0.080
Test Accuracy: 0.9799
time:39.847sec
出力層の活性化関数をsoftmaxに
model.add(Dense(10, activation='softmax'))
結果はあまり変わらない
Test Loss:0.088
Test Accuracy: 0.9794
time:39.577sec
まとめ
Kerasによるニューラルネットワークについてまとめました。
イメージ図からも分かるように、Kerasを使うことで、簡単にニューラルネットの構築、テストができます。
また、サンプルコードからも分かると思います。
出力層の活性化関数を’sigmoid’から、’softmax’に変更しました。
変更したコードを見てもらえば分かる通り、非常に簡単です。
このように、Kerasを使うことで、簡単にニューラルネットを作ることができます。
