#概要（TL;DR）

tensorflow2系でCIFAR-10の分類テストをしてみた。（個人的な覚書程度）
まずは、CIFAR-10の中身を確認する

下記の作業はすべて、Google Colabで実施しています。★GPUも使ってます。（ランタイム-> ランタイムのタイプを変更 -> ハードウェアアクセラレータでGPUを選択）

自前のMacBook Air(1.6 GHz DualCore Intel Core i5,16GB 2133MHz LPDDR3では、学習時間がかかり過ぎて待てない・・・。話には聞いていましたが、GPUの凄さを改めて感じました。

#cifar-10

そもそもCIFAR-10とは

CIFAR-10

32x32サイズのカラー画像を10クラス（分類）で各6,000枚（全60,000枚）が含まれている学習用セットだそうな。

クラスは{airplane,automobile,bird,cat,dog,frog,horse,ship,truck}の10種類。SUVはAutomobileに入るし、TruckにはBigTrucksしか入らないなど、重複が無いような工夫がほどかされているとのことでした。

それぞれのクラスのサンプルを見てみる

from tensorflow.python.keras.datasets import cifar10
from tensorflow.python.keras.preprocessing.image import array_to_img

# x_train,y_trainは学習用のデータセット
# x_test,y_testは学習結果の検証用データセット
# (x_は入力データ,　y_は出力データ）
(x_train,y_train),(x_test,y_test) = cifar10.load_data()

# CIFAR-10のクラス
cifar10_labels = [
        'airplane',
        'automobile',
        'bird',
        'cat',
        'deer',
        'dog',
        'frog',
        'horse',
        'ship',
        'truck']

index = 1
print (f"この画像は{ cifar10_labels[int(y_train[index])] }です.")
array_to_img(x_train[index])

indexを変更すれば次々と新しい画像が見れることに気づくと同時に、後々も確認したい時に使えるので、下記のようにCIFAR-10のデータを確認できる関数を作りまし。

def show_sample_image(index,x_data,y_data):
  '''指定されたindexの画像データとラベルを表示する

    Args:
      index(int):指定インデックス
      x_data(numpy.ndarray):インプットデータ
      y_data(numpy.ndarray):アウトプットデータ
    Returns:
      
  '''
  CIFAR10_LABELS = ['airplane','automobile','bird','cat','deer','dog','frog','horse','ship','truck'] 

  print (f"index{index}：この画像は{ CIFAR10_LABELS[int(y_data[index])] }です.")
  display(array_to_img(x_data[index]))

もちろん、Google Colabを使っているので、CIFAR10_LABELSや引数にあるx_data,y_dataは不要ですが、今後Google Colabだけでなく、プログラムに落とし込む時のために依存しない関数にしています。

結構人間の目でも厳しいデータもあるし、対象のものだけでなくて背景画像もしっかり写ってるデータもあって、こんなデータでも学習できるのだろうか？っというイメージ。