読者です 読者をやめる 読者になる 読者になる

鹿児島ハードチル同好会

情報学部の大学生です。深層学習(Tensorflow)とかUbuntuとか音楽とかガジェットに興味があります。バンドもしてたりする

【Tensorflow】人口知能に自分の数字を認識してもらった→できた

Deep Learning Tensorflow PC 勉強

お久しぶりです

ブログの方を長らく放置していたのですがぼちぼち更新を始めようかと思います。
第1弾として、半年以上前に作成したこの記事。


fuchami.hatenadiary.jp


この続きです。

なにやってんの

ざっくり説明すると、TensorflowというGoogleが公開してるディープラーニング向けのライブラリがあるんですけど、それを使って数字認識を行おうというもの。
チュートリアルとして、公式ページに既にコードが記載されておりそれにそってディープラーニングを学んでいきます。
MNIST For ML Beginners  |  TensorFlow


読み漁った資料

英文の読めない語学力の低い私は有志の方々によって翻訳されたサイトや記事を読み漁りました。
このあたりを参考にさせていただきました。ありがとうございます。。。

qiita.com
qiita.com
qiita.com



そんでもってこれを元に学習していたものに自分で書いた数字を認識させようというもの。
既にこの方がされていましたのでこれを参考にコードを書いていきました。
qiita.com








やってくよ

今回はペイントで書いた0~9までの数字をフォルダにひとつにまとめて学習したものに食わせてみました。自分で書いた数字はこんな感じ。
f:id:fuchami:20170214024146p:plain

コードだよ

実際に書いたコードがこちらです。

# coding:utf-8

#TensorFlowをインポート
import tensorflow as tf
#MNISTデータのロード
#one hotとは配列の中で一つだけ1それ以外が0のこと
from tensorflow.examples.tutorials.mnist import input_data
mnist = input_data.read_data_sets("MNIST_data/", one_hot=True)
import time
import os,sys
import numpy as np
from PIL import Image
from matplotlib import pylab as plt

#時間計測の開始
start = time.time()

sess = tf.InteractiveSession()

#プレースホルダーにてTFに計算を依頼
x = tf.placeholder("float", shape=[None, 784]) 
y_ = tf.placeholder("float", shape=[None, 10])

###############多層畳み込みネットワークの構築####################
#重みの初期化 tf.truncated_nomalではランダムな数値で初期化
def weight_variable(shape):
  initial = tf.truncated_normal(shape, stddev=0.1)
  return tf.Variable(initial)

def bias_variable(shape):
  initial = tf.constant(0.1, shape=shape)
  return tf.Variable(initial)

##畳み込み
def conv2d(x, W):
  return tf.nn.conv2d(x, W, strides=[1, 1, 1, 1], padding='SAME')
##プーリング(次元削減)
#ksizeが2x2のピクセル枠作成
#stridesでピクセル枠の移動
def max_pool_2x2(x):
  return tf.nn.max_pool(x, ksize=[1, 2, 2, 1],
                        strides=[1, 2, 2, 1], padding='SAME')
#######畳み込み層第1層############################
#5x5のフィルタにて32の特徴を計算
#2次元パッチサイズ、入力チャンネル数、出力チャンネル [5, 5, 1, 32]
W_conv1 = weight_variable( [5, 5, 1, 32] )
b_conv1 = bias_variable([32])

#xを4次元テンソルに作り変える
x_image = tf.reshape(x, [-1, 28, 28, 1])

#重みテンソルにバイアスを追加したものをReLU関数に適用(活性化)
#最大のプールをx_imageに畳み込む
h_conv1 = tf.nn.relu(conv2d(x_image, W_conv1) + b_conv1)
h_pool1 = max_pool_2x2(h_conv1)

#######畳み込み層第2層############################
#5x5のパッチにて64の特徴を計算

W_conv2 = weight_variable( [5, 5, 32, 64])
b_conv2 = bias_variable([64])

h_conv2 = tf.nn.relu(conv2d(h_pool1, W_conv2) + b_conv2)
h_pool2 = max_pool_2x2(h_conv2)

########密集接続層######################
W_fc1 = weight_variable( [7*7*64, 1024] )
b_fc1 = bias_variable( [1024] )
#reshapeにてベクトルに戻す
h_pool2_flat = tf.reshape(h_pool2, [-1,7*7*64] )
#行列演算と重みを加算し活性化させる
h_fc1 = tf.nn.relu(tf.matmul(h_pool2_flat, W_fc1) + b_fc1)

######ドロップアウト(過学習防止)#####################
#トレーニング中にドロップアウトを音、テスト中はオフに
keep_prob = tf.placeholder("float")
h_fc1_drop = tf.nn.dropout(h_fc1, keep_prob)

#########読みだし層#################
#ソフトマックス回帰を追加
W_fc2 = weight_variable( [1024, 10] )
b_fc2 = bias_variable( [10] )

#ソフトマックス回帰による正規化
y_conv = tf.nn.softmax(tf.matmul(h_fc1_drop, W_fc2) + b_fc2)

#####訓練######
#コスト関数'クロスエントロピー'の定義
cross_entropy = -tf.reduce_sum(y_*tf.log(y_conv))
#最急降下法の定義
train_step = tf.train.AdamOptimizer(1e-4).minimize(cross_entropy)

#評価を行う(正解率の算出)
correct_predition = tf.equal(tf.argmax(y_conv, 1), tf.argmax(y_, 1))
accuracy = tf.reduce_mean(tf.cast(correct_predition, "float"))

#初期化
sess.run(tf.initialize_all_variables())
#学習データの保存
saver = tf.train.Saver()

if os.path.exists("./CNN.ckpt"): # 学習データがある場合
  saver.restore(sess, "CNN.ckpt") # データの読み込み
  print "学習データを読み込みました"
else: #学習データがない場合→学習を開始
  print "学習を開始します"
  for i in range(20000):
    batch = mnist.train.next_batch(50)
  if i%100 ==0:
    train_accuracy = accuracy.eval(feed_dict={x:batch[0], y_:batch[1], keep_prob: 1.0})
    print("学習回数: %d 回, training accuracy %g"%(i, train_accuracy))
  train_step.run(feed_dict={x:batch[0], y_:batch[1], keep_prob:0.5})
  ##学習パラメータの保存
  saver.save(sess, "CNN.ckpt")
  
#学習結果の表示
print("この学習の正解率は %g です"%accuracy.eval(feed_dict={ x: mnist.test.images, y_:mnist.test.labels, keep_prob: 1.0}))


#ここから手書きの文字を認識させる
#ファイルを開く
os.chdir("./data")
f = open('math.txt', 'r')

#1行毎に画像を読み込み、文字認識を行う
for line in f:
  #改行削除
  name = line.rstrip()
  #グレースケールとして画像の読み込み
  img = Image.open(name).convert('L')
  plt.imshow(img)
  #画像を28x28に変換
  img.thumbnail((28, 28))
  #フロート型の行列に変換
  img = np.array(img, dtype=np.float32)
  #黒0~255白の画像データをMNISTのデータと同じ白0~1黒に変える
  img = 1 - np.array(img / 255)
  img = img.reshape(1, 784)
  #学習データと読み込んだ数値との比較を行う
  p = sess.run(y_conv, feed_dict={x:img, y_: [[0.0] * 10], keep_prob: 0.5})[0]
  #最も可能性のある数字を表示
  print name+"の数字は"
  print (np.argmax(p))

#時間計測#
sess.close()
time = time.time() - start
print ("実行時間:{0}".format(time)) + "[sec]"

なにやってんの

前半のコードはチュートリアルのTutrial forExpertsをそのままやっただけです。
ポイントとしては後半部分。
MNISTのデータが1つの画素の中は白が0, 黒が1となるようなデータの形になってます。
ペイントで書いたようなもののデータは1つの画素の中は黒が0, 白が255となっています。
なので自分で書いた数字をこの形になおして学習器にわたします。

結果

実行した結果で上手くいったものがこちら。

f:id:fuchami:20170214024940p:plain

感想

ちゃんとそれぞれの数字を認識してくれてますね。
これは上手く行った例ですが、9とか7なんかが割と誤認識することが多かったです。
学習率が99%越えてるので恐らく手書き文字の渡し方が悪いんだと思います。ちょっとココらへんは詳しく調査したいところです。





余談

ちなみに学習時間なんですけど、Core i5のモバイル用CPUでやらせたら1時間半とかかかったので本格的に始める方はグラボ買ったほうがいいです。まじで。

f:id:fuchami:20170214025102p:plain