Python入門トップページ

« 戻る 次へ »

手書き数字を認識するAIを作ってみよう : 目次

  1. 画像データの準備と確認
  2. 画像データを読み込んでみよう
  3. 画像データの一覧を読み込んでみよう
  4. 学習データとテストデータを準備する
  5. 保存したデータを開いてみる
  6. モデルを作る
  7. 学習（トレーニング）させてみよう
  8. モデルを評価しよう
  9. 学習データで認識させてみよう(1)
  10. 学習データで認識させてみよう(2)
  11. 学習データで認識させてみよう(3)
  12. テストデータで認識させてみよう
  13. モデルと重みパラメータを保存しよう
  14. 学習済みモデルをロードしよう
  15. 学習済みモデルをロードして，認識してみよう

保存したデータを開いてみる

データを開いてみる

前のページで保存した学習用，テスト用のデータを開いてみよう． 

データファイルを開く (04-readdata.py)
import numpy as np

# ファイルを開いて読み込む
x_train = np.load('train_X_data.npy')
y_train = np.load('train_Y_data.npy')
x_test = np.load('test_X_data.npy')
y_test = np.load('test_Y_data.npy')

print(x_train)
print(y_train)
print(x_test)
print(y_test)
Using TensorFlow backend.
[[0 0 0 ... 0 0 0]
 [0 0 0 ... 0 0 0]
 [0 0 0 ... 0 0 0]
 ...
 [1 1 0 ... 0 1 1]
 [1 1 1 ... 1 1 0]
 [0 0 0 ... 0 0 0]]
['3' '0' '4' '3' '7' '7' '7' '1' '4' '5' '8' '0' '2' '5' '0' '4' '5' '2'
 '4' '9' '4' '8' '3' '2' '2' '6' '3' '1' '8' '9' '9' '1' '3' '0' '7' '7'
 '0' '1' '6' '0' '5' '2' '7' '9' '1' '5' '1' '4' '6' '9' '6' '9' '1' '0'
 '6' '2' '9' '3' '3' '2' '1' '1' '4' '5' '8' '7' '5' '3' '9' '2' '4' '5'
 '5' '4' '2' '8' '9' '4' '3' '8']
[[0 0 0 ... 0 0 0]
 [1 1 1 ... 0 1 1]
 [0 0 0 ... 0 0 0]
 ...
 [0 0 0 ... 0 0 0]
 [0 0 1 ... 0 0 0]
 [0 0 1 ... 0 0 0]]
['6' '9' '3' '8' '7' '6' '8' '2' '8' '0' '6' '6' '5' '0' '8' '0' '1' '6'
 '7' '7']

目次に戻る

one-hot-encodingにする

one-hot-encoding とは正解の列だけ1で，その他の列が0になるような行列表現です．後の利用のため，y_train と y_test を one-hot-encoding 化してみよう．Keras の to_categorical を使えば，簡単に one-hot-encoding 化が可能です． 

データファイルを開いて one-hot-encoding化 (04-readdata.py)
import numpy as np
from keras.utils.np_utils import to_categorical

# ファイルを開いて読み込む
x_train = np.load('train_X_data.npy')
y_train = np.load('train_Y_data.npy')
x_test = np.load('test_X_data.npy')
y_test = np.load('test_Y_data.npy')

print(y_train)
# 正解ラベルを one-hot-encoding にする
y_train = to_categorical(y_train, 10)
print(y_train)
print(y_test)
# 正解ラベルを one-hot-encoding にする
y_test = to_categorical(y_test, 10)
print(y_test)
Using TensorFlow backend.
['3' '0' '4' '3' '7' '7' '7' '1' '4' '5' '8' '0' '2' '5' '0' '4' '5' '2'
 '4' '9' '4' '8' '3' '2' '2' '6' '3' '1' '8' '9' '9' '1' '3' '0' '7' '7'
 '0' '1' '6' '0' '5' '2' '7' '9' '1' '5' '1' '4' '6' '9' '6' '9' '1' '0'
 '6' '2' '9' '3' '3' '2' '1' '1' '4' '5' '8' '7' '5' '3' '9' '2' '4' '5'
 '5' '4' '2' '8' '9' '4' '3' '8']
[[0. 0. 0. 1. 0. 0. 0. 0. 0. 0.]
 [1. 0. 0. 0. 0. 0. 0. 0. 0. 0.]
 [0. 0. 0. 0. 1. 0. 0. 0. 0. 0.]

  ．．．（中略）．．．

 [0. 0. 0. 0. 1. 0. 0. 0. 0. 0.]
 [0. 0. 0. 1. 0. 0. 0. 0. 0. 0.]
 [0. 0. 0. 0. 0. 0. 0. 0. 1. 0.]]
['6' '9' '3' '8' '7' '6' '8' '2' '8' '0' '6' '6' '5' '0' '8' '0' '1' '6'
 '7' '7']
[[0. 0. 0. 0. 0. 0. 1. 0. 0. 0.]
 [0. 0. 0. 0. 0. 0. 0. 0. 0. 1.]
 [0. 0. 0. 1. 0. 0. 0. 0. 0. 0.]
 [0. 0. 0. 0. 0. 0. 0. 0. 1. 0.]
 [0. 0. 0. 0. 0. 0. 0. 1. 0. 0.]
 [0. 0. 0. 0. 0. 0. 1. 0. 0. 0.]
 [0. 0. 0. 0. 0. 0. 0. 0. 1. 0.]
 [0. 0. 1. 0. 0. 0. 0. 0. 0. 0.]
 [0. 0. 0. 0. 0. 0. 0. 0. 1. 0.]
 [1. 0. 0. 0. 0. 0. 0. 0. 0. 0.]
 [0. 0. 0. 0. 0. 0. 1. 0. 0. 0.]
 [0. 0. 0. 0. 0. 0. 1. 0. 0. 0.]
 [0. 0. 0. 0. 0. 1. 0. 0. 0. 0.]
 [1. 0. 0. 0. 0. 0. 0. 0. 0. 0.]
 [0. 0. 0. 0. 0. 0. 0. 0. 1. 0.]
 [1. 0. 0. 0. 0. 0. 0. 0. 0. 0.]
 [0. 1. 0. 0. 0. 0. 0. 0. 0. 0.]
 [0. 0. 0. 0. 0. 0. 1. 0. 0. 0.]
 [0. 0. 0. 0. 0. 0. 0. 1. 0. 0.]
 [0. 0. 0. 0. 0. 0. 0. 1. 0. 0.]]

上の実行結果を確認すると，正解ラベルに対応する列だけが1になっていることがわかることでしょう．

目次に戻る

« 戻る 次へ »