はじめに
O'REILYから出版された「ゼロから作るDeep Learning -Pythonで学ぶディープラーニングの理論と実装」をGoogleColaboratory環境でサンプルコードを実行する際にメモした内容となります。
- 書籍のサンプルデータをGitHubより入手
- データのマウント方法について（マイドライブにデータをアップロードするだけでは、利用できないので接続方法の紹介）
- 画像の表示について（サンプルコード記述してもGoogleColaboratoryでは画像が表示されなかった為、代替え方法の紹介）
第３章 ニューラルネットワーク
3.6.1 MNISTデータセット
3.7.1 ニューラルネットワークの推論処理
上記の内容を実行した際のメモとなります。
(P72〜P75)
データの取得
GitHubよりデータを取得します。（ダウンロード）
https://github.com/oreilly-japan/deep-learning-from-scratch
フォルダ名 = deep-learning-from-scratch-master
データのアップロードとマウントについて
- マイドライブGoogleドライブ内にフォルダをアップロードします。
- 新規でGoogle Colaboratoryを作成します。
- ドライブをマウントします。（ノートブックでデータを使用できる状態にする）
- アイコンをクリックすることで処理が始まります。
- Googleドライブに接続
- driveが表示されたら接続完了
ディレクトリを移動する
最初のコードを入力する前に、カレントディレクトリを変更する必要があります。
load_mnist 関数のインポート
mnist_show.pyを実行
- ６行目までのコードを省略することも可能です。（load_mnistのインポートの際に実行済み）
- １枚目の訓練画像の数字 ＝ 5
- １次元配列の個数 ＝ 784,
- １次元配列より元の形状に再変形 ＝ 28, 28
- 本来、表示されるはずの訓練画像が表示されません。 ＝ imgに格納はされているが表示されない。
画像の表示
- 本当に 5 であるか確認する為、別の表示方法を試みました。
- matplotlibをインポートし画像の表示を実行。
- １枚目の訓練画像を表示することに成功しました。
neuralnet_mnist.pyを実行
- 正解した認識精度 ＝ 0.9352(93.52%)で分類する。
最後に
ただサンプルコードをGoogleColaboratoryで実行するだけですが、結構な時間を費やしてしまいました。
同じような内容で悩んでいる方に、少しでも役立てていただけるよう初めて投稿しました。