読者です 読者をやめる 読者になる 読者になる

TensorFlow "簡単な" MNISTチュートリアル

DNN

MNIST For ML Beginners  |  TensorFlow

より引用。

Python を使った、MNIST のチュートリアルです。

下記のスクリプトは、Python 3.5 で実行しています。

Python 2 系ですと、(私に言われるまでもないですが)

>>> from __future__ import division

など、Python 3 と互換性を保つ作業が必要です。

これは、下記 Github のコードなど、参照してください。

 

対話式の環境で、コピペして試しやすいよう、上記の引用先ページからコード部分のみを貼り付けたものです。

 

挙動を確認するのに、パラメーターをいじったり、関数を変更してみたりして勉強して行くわけですが、毎回一行一行コピペするのが大変なため、コード部分のみを抜き出したものです。

 

実際のコードを見てみると、ほとんど tensorflow で定義された関数が使われています。そのため、「試してみる」だけなら、Python の知識はほとんどいらないようです。

 

 

MNIST For ML Beginners  |  TensorFlow サイトは英語なので大変ですが、 

Chrome を使っている場合、「右クリック+t」で、簡単に翻訳できます。

 

ディープラーニングの各種の手順については、「ゼロから始める Deep Learning」が詳しいです。

pmonty.hatenablog.com

 

なお、TensorFlow で使える関数などは、こちらのページにまとまっています。

Tensorflow Python API  |  TensorFlow

ここを参考にコードを変更することで、挙動を勉強できそうです。

 

 

 以下、TensorFlow "簡単な" チュートリアルのコードです。

import tensorflow as tf

 

from tensorflow.examples.tutorials.mnist import input_data
mnist = input_data.read_data_sets("MNIST_data/", one_hot=True) 

 

x = tf.placeholder(tf.float32, [None, 784])

 

W = tf.Variable(tf.zeros([784, 10]))
b = tf.Variable(tf.zeros([10]))

 

y = tf.nn.softmax(tf.matmul(x, W) + b)

 

y_ = tf.placeholder(tf.float32, [None, 10])

 

cross_entropy = tf.reduce_mean(-tf.reduce_sum(y_ * tf.log(y), reduction_indices=[1]))

 

train_step = tf.train.GradientDescentOptimizer(0.5).minimize(cross_entropy)

 

init = tf.global_variables_initializer()

 

sess = tf.Session()
sess.run(init)

 

for i in range(1000):
    batch_xs, batch_ys = mnist.train.next_batch(100)
    sess.run(train_step, feed_dict={x: batch_xs, y_: batch_ys})

# コピペする場合は、一旦ここまで貼り付けて Enter すること。

# 全部をコピペすると、for loop が回ってくれませんでした。私の PC が遅いから かもですが。。。

 

correct_prediction = tf.equal(tf.argmax(y,1), tf.argmax(y_,1))

 

accuracy = tf.reduce_mean(tf.cast(correct_prediction, tf.float32))

 

print(sess.run(accuracy, feed_dict={x: mnist.test.images, y_: mnist.test.labels}))

# accuracy 0.918 程度となる。