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

学習済みモデルをロードして,認識してみよう

学習済みモデルのロード方法がわかったので,実際に認識してみよう.なお,モデルをロードしたら,学習やテスト(認識)する前にモデルをコンパイルする必要があります.

ロードしたモデルで認識させる (14-load-predict.py)
import numpy as np
from keras.utils.np_utils import to_categorical
from keras.models import Sequential
from keras.layers import Dense
import json
from keras.models import model_from_json

def print_train_test(idx):
    print('認識結果  :', np.argmax(pred_test[idx]))
    print('正解ラベル:', np.argmax(y_test[idx]))
    i = 1
    for x in x_test[idx]:
        if (x == 1):
            print("+ ", end="")
        else:
            print("  ", end="")
        if i % 15 == 0:
            print("")
        i += 1

# 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)

# 保存したモデルの読み込み(10-save-model.py で作成された)
model = model_from_json(open('tegaki-model.json').read())
# 保存した重みの読み込み
model.load_weights('tegaki-predict.hdf5')

model.summary()

# モデルを読み込んだら,学習やテストの前にコンパイルが必要
model.compile(optimizer='rmsprop',
          loss='categorical_crossentropy',
          metrics=['accuracy'])

# 予測する
pred_test = model.predict(x_test)

while True:
    print('---------------------')
    print('予測結果を表示したいテストデータの番号(0 から', x_test.shape[0]-1 ,'まで)を入力してください(-1で終了します):', end="")
    str_idx = input()

    # 空の場合の処理
    if str_idx == "":
        print('入力してください')
        continue
    # 入力した文字列を整数に変換するが,変換できない場合のために例外処理が必要
    try:
        idx = int(str_idx)
    except ValueError:
        print('エラー:数字以外の文字は入力できません')
        continue
    # 終了判定
    if idx == -1:
        break
    if idx < 0 or idx > x_test.shape[0]-1:
        print('正しい値を入れてください')
        continue
    print_train_test(idx)

print('------ 終了しました ------')
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
_________________________________________________________________
---------------------
予測結果を表示したいテストデータの番号(0 から 19 まで)を入力してください(-1で終了します):0 ⏎
認識結果  : 6
正解ラベル: 6
          + + + + + +
        + + + + + + +
      + + + +
      + + +
      + +
    + + + +
    + + + + + + + + +
    + + + + + + + + + +
    + +           + + + +
    + +             + + +
    + +               + +
    + + +           + + +
    + + + +   + + + + + +
      + + + + + + + + +
        + + + + +
---------------------
予測結果を表示したいテストデータの番号(0 から 19 まで)を入力してください(-1で終了します):1 ⏎
認識結果  : 4
正解ラベル: 9
+ + + + + + + + + + + + + + +
+ + + + + + + + + + + + + + +
+ +                       + +
+ +                       + +
+ +                       + +
+ +                       + +
+ + + + +                 + +
+ + + + + + + + + + + + + + +
        + + + + + + + + + + +
                          + +
                          + +
                          + +
                          + +
                          + +
                          + +
---------------------
予測結果を表示したいテストデータの番号(0 から 19 まで)を入力してください(-1で終了します):2 ⏎
認識結果  : 3
正解ラベル: 3

    + + + + + + + + + +
    + + + + + + + + + + +
    + +             + + +
                      + +
                    + + +
                + + + +
    + + + + + + + + + +
    + + + + + + + + + +
                + + + +
                  + + +
                + + + +
      + + + + + + + +
      + + + + + + +

---------------------
予測結果を表示したいテストデータの番号(0 から 19 まで)を入力してください(-1で終了します):-1 ⏎
------ 終了しました ------

このように,学習済みモデルの保存とロードができれば,1度学習するだけでいつでも予測ができるようになります.

目次に戻る