はじめに

機械学習におけるHelloWorld的位置にあるMNIST(手書き文字)の認識をKerasを用いて行います。
想定読者は機械学習、DeepLearningについて概念を学んだのでKerasで簡単な実装を行ないたい方です。

実行環境

macOS Mojave
Python 3.6.8
Keras 2.2.4

MNISTデータセットのLOAD

keasと必要なライブラリをImportし、MNISTデータセットをロードします。
MNISTデータはkerasに実装されている関数load_dataを利用し取得できます。
load_dataの詳細については公式サイトを参照ください。

main.py

import keras
import numpy

from keras.datasets import mnist

# MNISTデータのロード
train, test = mnist.load_data()
X_train, y_train = train
X_test, y_test = test

# サイズを変更(画像数、解像度(縦、横)、白黒)
X_train = X_train.reshape(60000,28,28,1)
X_test = X_test.reshape(10000,28,28,1)

MNISTデータを確認する

ロードしたMNISTデータをmatplotlibを使って確認してみます。
参考：matplotlib.pyplot.imshow

show_img

import matplotlib.pyplot as plt

def show_img(img, figsize=(2,2)):
    fig = plt.figure(figsize=figsize,dpi=100)
    plt.imshow(img, cmap = 'gray', interpolation = 'bicubic')
    plt.xticks([]), plt.yticks([])  # to hide tick values on X and Y axis
    plt.show()

# X_trainの一番目の画像を表示
show_img(X_train[0])

出力結果

数字の”５”と思われる画像が確認できます。

One-Hot encoding

教師ラベルをOne-Hot Encodingします。
KerasではOne-hot encodingする関数としてto_categoricalが用意されています。

One-hot とは1つだけHigh(1)であり、他はLow(0)であるようなビット列のことです。(wikipedia)
MNISTは0~9の教師ラベルを持つ手書き画像なので例えば教師ラベルの[５]は[0,0,0,0,0,1,0,0,0,0]のように６番目のみ１が立つようにEncodeされます。

to_categorical

from keras.utils.np_utils import to_categorical

y_trn_cgl = to_categorical(y_train)
y_test_cgl = to_categorical(y_test)

print(f"train_labels.shape:{y_train.shape}, y_trn.shape:{y_test.shape}")
print(f"y_trn_cgl:{y_trn_cgl}") 
print(f"y_test_cgl:{y_test_cgl}")

CNNモデルの構築

モデルの構造は (2D Conv -> Relu -> MaxPooling)*2 -> 全結合層 -> Softmax
となるシンプルなニューラルネットを構築します。
各レイヤの仕様について公式サイトのリンクを貼っておきます。

・Conv2D：２次元畳み込み層
・Activation：活性化関数(今回はReluを使用)
・MaxPooling2D：Maxプーリング層
・Dense：全結合層

Model

from keras.models import Model
from keras.layers import Input, Conv2D, MaxPooling2D, Dropout, Flatten

def create_cnn_model(input_size):
    # 入力データサイズを指定
    X_input = Input((input_size[0], input_size[1], 1))
    # 2次元畳み込み層。
    X = Conv2D(filters=64, kernel_size=(5,5), padding="valid")(X_input)
    # 活性化関数はReluを使用
    X = Activation('relu')(X)
    # MaxPooling層
    X = MaxPooling2D(pool_size = (2,2))(X)

    X = Conv2D(filters=128, kernel_size=(5,5), padding="valid")(X)
    X = Activation('relu')(X)
    X = MaxPooling2D(pool_size = (2,2))(X)

    X = Flatten()(X)
    # 全結合層。MNISTでは10クラスへ分類するため出力10で指定
    X = Dense(10, activation="softmax")(X)

    model = Model(inputs=X_input, outputs=X)

    return model

CNNモデルの学習

MNISTデータの準備とCNNモデルの準備ができましたので、
モデルの学習を行なっていきます。

from keras import optimizers
# セッションの初期化
K.clear_session() 

# 入力画像サイズを指定
input_size =  (28, 28) 
# モデルを作成
cnn_model = create_cnn_model(input_size) 

# 最適化アルゴリズムを指定(lr=学習率)
opt = optimizers.Adagrad(lr=1e-4)
# 多クラス分類用の損失関数の指定
loss = "categorical_crossentropy" 
metrics = ['accuracy']

# 設定を反映
cnn_model.compile(optimizer=opt, loss=loss, metrics=metrics) 

# 学習を実行
# 学習経過をhistory_cnnに格納してます。
history_cnn = cnn_model.fit(X_train[0:6000], y_trn_cgl[0:6000], epochs=10)

テストデータの予測

学習したモデルでテストデータを予測します。

predict = cnn_model.predict(X_test)

eval_loss, eval_acc = cnn_model.evaluate(X_test, y_test_cgl)
print("eval_loss:{0}\neval_acc{1}".format(eval_loss, eval_acc))

def show_history(history):
    fig, ax = plt.subplots(1, 2, figsize=(15,5))
    ax[0].set_title('loss')
    ax[0].plot(history.epoch, history.history["loss"], label="Train loss")
    #ax[0].plot(history.epoch, history.history["val_loss"], label="Validation loss")
    ax[1].set_title('categorical_accuracy')
    ax[1].plot(history.epoch, history.history["acc"], label="Train accuracy")
    #ax[1].plot(history.epoch, history.history["val_acc"], label="Validation accuracy")
    ax[0].legend()
    ax[1].legend()
    plt.show()
    
show_history(history_cnn)

実行結果

左の図がLossを、右の図が正答率(categorical accuracy)を示しています。
横軸はEpoch数、つまり学習回数です。

学習回数を重ねるにつれLossが下がり学習が進み、それに伴い正答率が向上していることがわかります。
MNISTは比較的簡単な画像分類のため10回の学習で85%近い正答率が出せることがわかります。
特に工夫はしていないCNNモデルでも学習回数を増やせば90%近い正答率は出せると思います。

参考リンク

・Keras Documentaion