Search on the blog

2016年2月11日木曜日

TensorFlow入門(1)MNIST For ML Beginners

 TensorFlowのtutorialをやってみた。
機械学習入門者向けのtutorialでMNISTを例題にNNを学習させるやり方が記載されていた。
NNはnum of hidden layer=0、activation function=softmaxというシンプルなモデルを使っていた。自分用にメモを残しておく。

元ネタ
MNIST For ML Beginners

softmaxについて
  • 対象がそれぞれのクラスに属する確率を求めたいときに使う
  • NNの最終レイヤーはsoftmaxを使うことが多い
TensorFlowについて
numpyは重い数値計算をpythonの外で行う
=> 結果をpythonに戻すときにオーバーヘッドがある
=>TensorFlowはpythonの外で実行したい計算処理の相互作用をグラフで記述できる

placeholder: 計算開始時に入力として渡す値 (データの特徴ベクトル、教師信号用)
Variable: 計算中時に利用する変更可能な変数(学習させるパラメータ用)

ソースコード
import input_data
import tensorflow as tf

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])
cross_entropy = -tf.reduce_sum(y_*tf.log(y))

train_step = tf.train.GradientDescentOptimizer(0.01).minimize(cross_entropy)
init = tf.initialize_all_variables()

sess = tf.Session()
sess.run(init)
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_prediction = tf.equal(tf.argmax(y,1), tf.argmax(y_,1))
accuracy = tf.reduce_mean(tf.cast(correct_prediction, "float"))
print sess.run(accuracy, feed_dict={x: mnist.test.images, y_: mnist.test.labels})

0 件のコメント:

コメントを投稿