Google Colaboratoryを使ってみる(1日目)

最初に

流行りの機械学習に手を出してみたかったので、ブラウザからPythonが利用可能かつGPUも使えるGoogle Colaboratoryが気になった。

以前、ローカルにJupyter Note環境を作ったこともあるけど、ブラウザでアクセス可能 & Googleドライブにノートや結果を保存出来るのでこっちの方が便利そう。

試したこと

初期設定

• https://colab.research.google.com にアクセスして適当なノートブックを新規作成
• デフォルトだとGPUがOFFなので下記で変更
  • 「編集」 -> 「ノートブックの設定」　 -> 「ハードウェア アクセラレータ」で"GPU"を選択

kerasのインストール

• TensorFlowはデフォルトで使えるようなので、kerasをインストールする。
• 下記を"コード"ブロックとして追加して実行する。

!pip install -q keras
import keras

MNISTのロード

• 機械学習界隈での"Hello, World!"であろう手書き文字画像データセットのMNISTを使えるようにする。

from keras.datasets import mnist
(x_train, y_train), (x_test, y_test) = mnist.load_data()

データの内容を画像として表示

• なんとなく気になるので画像として表示してみる。

import matplotlib.pyplot as plt

fig = plt.figure(figsize=(8, 8))
fig.subplots_adjust(left=0, right=1, bottom=0, top=0.5, hspace=0.05, wspace=0.05)
for i in range(100):
    image = fig.add_subplot(10, 10, i + 1, xticks=[], yticks=[])
    image.imshow(x_train[i].reshape((28, 28)), cmap='gray')

学習させてみる

• 下記のCNN(畳み込みニューラルネットワーク)のサンプルコードをコピペして結果取得用に一部だけ変更して実行させてみる
  • https://raw.githubusercontent.com/fchollet/keras/master/examples/mnist_cnn.py 変更箇所

変更前 : model.fit(x_train, y_train,
変更後 : history = model.fit(x_train, y_train,

結果をプロット

• 学習結果をグラフ表示してみる。

plt.plot(history.history['acc'])
plt.plot(history.history['val_acc'])
plt.title('model accuracy')
plt.ylabel('accuracy')
plt.xlabel('epoch')
plt.legend(['train', 'test'], loc='upper left')
plt.show()