読者です 読者をやめる 読者になる 読者になる

TensorFlowでディープラーニングを試してみる

Deep Learning

最近巷で話題のディープラーニングですが、手を出すには敷居が高いと考えていた方も多いと思います。
そんな中、Googleディープラーニングに対応した機械学習オープンソースのライブラリを公開しましたので、試してみました。

下準備

セットアップの方法は、こちらに記載されています。 私はUbuntuで試してみました。なお、64 bitにしか対応してないようです。

$ sudo apt-get install python-pip python-dev
$ sudo pip install --upgrade https://storage.googleapis.com/tensorflow/linux/cpu/tensorflow-0.5.0-cp27-none-linux_x86_64.whl

手書き数字認識

チュートリアルとして、手書き数字の認識が用意されています。Google曰く、機械学習のプログラムの"Hello World"に当たるのが、この数字の認識だそうです。

MNIST For ML Beginners
チュートリアルは上記のリンク先にありますが、チュートリアル中のコードを動かすには、input_data.pyが必要です。 リンク先からコピペするか、下記で色々まとめて、ダウンロードしておきます。

git clone https://github.com/tensorflow/tensorflow 

後はチュートリアル中に出てくるコードをコピペしていくと、ひとつのプログラムになります。

import input_data
import tensorflow as tf

#load images
mnist = input_data.read_data_sets("MNIST_data/", one_hot=True)

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

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

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

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

#cross entropy
cross_entropy = -tf.reduce_sum(y_ * tf.log(y))

#minimize cross_entropy using the gradient descent algorithm
train_step = tf.train.GradientDescentOptimizer(0.01).minimize(cross_entropy)

#initialize all variables
init = tf.initialize_all_variables()

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

#training step
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})

#correct boolean list
correct_prediction = tf.equal(tf.argmax(y, 1), tf.argmax(y_, 1))
#cast to float point numbers
accuracy = tf.reduce_mean(tf.cast(correct_prediction, "float"))

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

以上のコードを実行すると、学習が始まり結果が出ます。(画像は勝手にダウンロードしてくれます) 特に数字をいじらなければ、約91%になります。それなりに高い数字のようにも思いますが、あまり良くない数字だそうです。これは次のチュートリアルで更に高精度になるようです。

流石にコードをコピペしただけでは、何やってるのか良く分からないと思うので、チュートリアルの文章は読む必要があります。
普通のニューラルネットワークはともかく、ディープラーニングに関しては、日本語の情報が少ないので、中々苦労しますが、色んなことが出来そうですので、このライブラリ公開を機に、手を出してみては如何でしょうか。


深層学習 (機械学習プロフェッショナルシリーズ)

広告を非表示にする