TensorFlow MNIST

今回はTensorFlowでMNISTを使って手書き文字認識をやってみます。

TensorFlowのチュートリアルにあるサンプルを使って、いくつか動作確認をしてみます。

チュートリアルのサンプル(少し編集)

				
import tensorflow as tf
from tensorflow.examples.tutorials.mnist import input_data
import os

os.environ['TF_CPP_MIN_LOG_LEVEL'] = '2'
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])

# 0.9005
cross_entropy = tf.reduce_mean(-tf.reduce_sum(y_ *
                                              tf.log(y), reduction_indices=[1]))
# 0.7179
#cross_entropy =tf.reduce_sum(tf.square(y_ - y))

train_step = tf.train.GradientDescentOptimizer(0.05).minimize(cross_entropy)

sess = tf.InteractiveSession()
tf.global_variables_initializer().run()

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

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}))

イメージ

サンプル通りに動かしたら精度は90%でした。コスト関数を前回の1次関数を求めたときと同じようにしたら72%でした。

tf.matmul

tf.matmulでは行列の積を求めています。

				
import tensorflow as tf
import os

os.environ['TF_CPP_MIN_LOG_LEVEL'] = '2'

# チュートリアルのサンプルでは桁数が大きいので、桁数を小さくして試してみます
# None → 4
# 784  → 3
# 10   → 2

# x = tf.placeholder(tf.float32, [None, 784])
x = tf.placeholder(tf.float32, [None, 3])

# W = tf.Variable(tf.zeros([784, 10]))
W = tf.placeholder(tf.float32, [3, 2])

# b = tf.Variable(tf.zeros([10]))
b = tf.placeholder(tf.float32, [2])

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

with tf.Session() as sess:
    print(sess.run(y, feed_dict={
        x: [[1, 1, 1], [2, 2, 2], [3, 3, 3], [1, 2, 3]],
        W: [[1, 2], [1, 2], [1, 2]],
        b: [1000, 2000]}))

イメージ

行列の積は以下のように計算します。

なのでtf.matmul(x, W)は以下のようになります。

tf.matmul(x, W) + b は以下のようになります。

MNISTの中身

数字の画像データですが、実際には画像でなく、float型の配列になります。
そのままでは数字に見えないため、28個毎に改行して、9.9倍して切り捨ててみました。
0は画像を見やすくするためにスペースで表示しています。

				
import math
import tensorflow as tf
from tensorflow.examples.tutorials.mnist import input_data
import os

os.environ['TF_CPP_MIN_LOG_LEVEL'] = '2'
mnist = input_data.read_data_sets("MNIST_data/", one_hot=True)

batch_xs, batch_ys = mnist.train.next_batch(100)

w = batch_xs[0]
print('batch_xs[0]の中身')
for i in range(28):
    s = ""
    for j in range(28):
        k = math.floor(w[i * 28 + j] * 9.9)
        if k == 0:
            s += ' '
        else:
            s += str(k)
            
    print(s)

print('batch_ys[0]の中身')
print(batch_ys[0])

イメージ

※0はスペースを表示しています。

softmax

softmaxはバラバラな値を合計すると1になるように値を変更してくれます。
単純にそれぞれの値/合計としているのではなく、難しい計算をやって割り出しています。

				
import tensorflow as tf
import os

os.environ['TF_CPP_MIN_LOG_LEVEL'] = '2'

with tf.Session() as sess:
    print([1.0, 2.0, 3.0])
    print(sess.run(tf.nn.softmax([1.0, 2.0, 3.0])))
    print(sess.run(tf.reduce_sum(tf.nn.softmax([1.0, 2.0, 3.0]))))

イメージ

ページのトップへ戻る