TensorFlowのtutorial「tf.contrib.learn Quickstart」を試す

はじめに

TensorFlowのtutorial tf.contrib.learn Quickstartを試したので共有します。

なお、2016/10/19現在、tutorial内のサンプルコードはエラーが出て動きませんでしたので、そちらについても共有します。

コード全体

コードの全体は下記となります。

sample.py

from __future__ import absolute_import
from __future__ import division
from __future__ import print_function

import tensorflow as tf
import numpy as np

# Data sets
# 120sample
IRIS_TRAINING = "iris_training.csv"

# 30 sample
IRIS_TEST = "iris_test.csv"

# Load datasets.
# 下記だと動かない。
# load_csvがdeprecatedとのこと。
# training_set = tf.contrib.learn.datasets.base.load_csv(filename=IRIS_TRAINING,target_dtype=np.int)
# test_set = tf.contrib.learn.datasets.base.load_csv(filename=IRIS_TEST,
#                                                    target_dtype=np.int)

# load_csv_with_headerを用いる
training_set = tf.contrib.learn.datasets.base.load_csv_with_header(filename=IRIS_TRAINING,target_dtype=np.int, features_dtype=np.float32, target_column=-1)
test_set = tf.contrib.learn.datasets.base.load_csv_with_header(filename=IRIS_TEST,
                                                   target_dtype=np.int, features_dtype=np.float32, target_column=-1)


# DNNの構築

# Specify that all features have real-value data
# four features(sepal w,sepal h,petal w,petal h)
feature_columns = [tf.contrib.layers.real_valued_column("", dimension=4)]

# Build 3 layer DNN with 10, 20, 10 units respectively.
# n_classes は　3つのirisの種類を示す
# checkpoint dataの保存先
classifier = tf.contrib.learn.DNNClassifier(feature_columns=feature_columns,
                                            hidden_units=[10, 20, 10],
                                            n_classes=3,
                                            model_dir="/tmp/iris_model")



# Fit model.
# classifierの中にモデルの状態は保存されているので、
# 下記を2行書けば4000回の試行になる
classifier.fit(x=training_set.data,
               y=training_set.target,
               steps=2000)



# Evaluate accuracy.
accuracy_score = classifier.evaluate(x=test_set.data,
                                     y=test_set.target)["accuracy"]
print('Accuracy: {0:f}'.format(accuracy_score))


# Classify two new flower samples.
# predictというメソッドを使います。
new_samples = np.array(
    [[6.4, 3.2, 4.5, 1.5], [5.8, 3.1, 5.0, 1.7]], dtype=float)
y = classifier.predict(new_samples)
print('Predictions: {}'.format(str(y)))

データセットのダウンロード

本チュートリアルのデータセットはirisデータになります。
featureはsepal length, sepal width, petal length, petal widthの4つで、targetはIris setosa, Iris virginica,Iris versicolorの4つで、irisのどの種類かを判別するモデルを作るチュートリアルになります。
trainデータは120サンプル,testデータは30サンプルになります。

sample.py

# 120sample
IRIS_TRAINING = "iris_training.csv"

# 30 sample
IRIS_TEST = "iris_test.csv"

データセットの読み込み

ここでつまづきましたが、tutorialのままですと、下記のエラーが出ると思います。

AttributeError: 'module' object has no attribute 'load_csv'

調べてみると、load_csvはdeprecatedとなっており、load_csv_with_headerに変更する必要がありました。

training_set = tf.contrib.learn.datasets.base.load_csv_with_header(filename=IRIS_TRAINING,target_dtype=np.int, features_dtype=np.float32, target_column=-1)

では、target_dtypeでファイル中のtarget(花の種類)の列のフォーマット、features_dtypeでfeatureの各列のフォーマット、target_columnでtargetがどの列に記載されているか（今回は一番後ろなので-1）を指定しています。

sample.py

# Load datasets.

# 下記だと動かない
# training_set = tf.contrib.learn.datasets.base.load_csv(filename=IRIS_TRAINING,target_dtype=np.int)
# test_set = tf.contrib.learn.datasets.base.load_csv(filename=IRIS_TEST,
#                                                    target_dtype=np.int)

training_set = tf.contrib.learn.datasets.base.load_csv_with_header(filename=IRIS_TRAINING,target_dtype=np.int, features_dtype=np.float32, target_column=-1)
test_set = tf.contrib.learn.datasets.base.load_csv_with_header(filename=IRIS_TEST,target_dtype=np.int, features_dtype=np.float32, target_column=-1)

DNNの構築

今回featuresはsepal length, sepal width, petal length, petal widthの4つなので4と指定しています。

また、hidden layerは3つでそれぞれ10,20,10。
分類すべき花の種類は3つでn_classes = 3
checkpoint dataの保存先を/tmp/iris_modelと指定します。

sample.py

# Specify that all features have real-value data
# four features(sepal w,sepal h,petal w,petal h)
feature_columns = [tf.contrib.layers.real_valued_column("", dimension=4)]

# Build 3 layer DNN with 10, 20, 10 units respectively.
# n_classes は　3つのirisの種類を示す
# checkpoint dataの保存先
classifier = tf.contrib.learn.DNNClassifier(feature_columns=feature_columns,
                                            hidden_units=[10, 20, 10],
                                            n_classes=3,
                                            model_dir="/tmp/iris_model")

モデルのフィット

classifierの中にモデルの状態は保存されているので、下記を2行繰り返すと、2000*2=4000回の試行が行われます。

sample.py

# Fit model.
# classifierの中にモデルの状態は保存されているので、
# 下記を2行書けば4000回の試行になる
classifier.fit(x=training_set.data,
               y=training_set.target,
               steps=2000)

accuracyの計算

evaluateというメソッドで、fitと同様に検証することができます。

sample.py

# Evaluate accuracy.
accuracy_score = classifier.evaluate(x=test_set.data,
                                     y=test_set.target)["accuracy"]
print('Accuracy: {0:f}'.format(accuracy_score))

おおよそ、0.96程度の数字が帰ってくると思います。

Accuracy: 0.966667

新たなデータの分類

predictというメソッドを使うことで、新しいデータが来た時に分類することができます。

sample.py

# Classify two new flower samples.
# predictというメソッドを使います。
new_samples = np.array(
    [[6.4, 3.2, 4.5, 1.5], [5.8, 3.1, 5.0, 1.7]], dtype=float)
y = classifier.predict(new_samples)
print('Predictions: {}'.format(str(y)))

それぞれのデータの予測がarrayで帰ってきます。

Predictions: [1 2]

さいごに

簡単にDNNが実装できますね。

ありがとうございました。