Python入門トップページ


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

モデルを評価しよう

学習データを使って,モデルの学習をしたので,テストデータでどの程度認識できるかを評価してみよう.モデルの評価は model.evaluate() を呼び出すだけで可能です.次のコードでは評価結果が score に格納されるので,その後適当な形式で表示すれば結果を確認できます.

モデルを評価する (07-evaluate.py)
import numpy as np
from keras.utils.np_utils import to_categorical
from keras.models import Sequential
from keras.layers import Dense

# 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')

# 正解ラベルを one-hot-encoding にする
y_train = to_categorical(y_train, 10)
y_test = to_categorical(y_test, 10)

# モデルを作る
model = Sequential()
model.add(Dense(128, activation='relu', input_dim=225))  # input_dim = 15 x 15 = 225
model.add(Dense(10, activation='softmax'))

# モデルをコンパイルする
model.compile(optimizer='rmsprop',
          loss='categorical_crossentropy',
          metrics=['accuracy'])

model.summary()

# 学習してみよう(このコードだけで,学習状況も表示される)
model.fit(x_train, y_train,
        batch_size=20,
        epochs=30,
        verbose=1)

# モデルを評価する(テストデータを使う)
score = model.evaluate(x_test, y_test)

# 評価結果を表示する
print(score)
print(model.metrics_names)
print(model.metrics_names[0], " : ", score[0])
print(model.metrics_names[1], " : ", score[1])
Using TensorFlow backend.
Model: "sequential_1"
_________________________________________________________________
Layer (type)                 Output Shape              Param #
=================================================================
dense_1 (Dense)              (None, 128)               28928
_________________________________________________________________
dense_2 (Dense)              (None, 10)                1290
=================================================================
Total params: 30,218
Trainable params: 30,218
Non-trainable params: 0
_________________________________________________________________
Epoch 1/30
80/80 [==============================] - 0s 1ms/step - loss: 2.4460 - accuracy: 0.1125
Epoch 2/30
80/80 [==============================] - 0s 62us/step - loss: 1.8151 - accuracy: 0.3875

 ...(中略)...

Epoch 30/30
80/80 [==============================] - 0s 112us/step - loss: 0.0287 - accuracy: 1.0000
20/20 [==============================] - 0s 997us/step
[0.7024205923080444, 0.75]
['loss', 'accuracy']
loss  :  0.7024205923080444
accuracy  :  0.75

テストデータに対しては 75% の精度で認識できたことがわかりました.なお,データの作成時に並び順をランダムにシャッフルしているので,結果は必ずしも一致しないことに注意してください.

目次に戻る