MNISTデータセットを使った機械学習チュートリアルの試行

2019年3月27日

MNISTデータセット（手書き文字認識画像と正解値のデータセット）を使ったチュートリアルを、Jupyter Notebookで段階的に動かしていく。

学習モデルの実装

MNISTデータセットのダウンロードと読込み

import tensorflow as tf
from tensorflow.examples.tutorials.mnist import input_data
mnist = input_data.read_data_sets("MNIST_data/", one_hot=True)

入力値格納用プレースホルダの準備

後で入力値を格納するプレースホルダを準備

x = tf.placeholder(tf.float32, [None, 784])

重みとバイアスをテンソルとして初期化

W = tf.Variable(tf.zeros([784, 10]))
b = tf.Variable(tf.zeros([10]))

モデルの定義（ソフトマックス関数）

y = tf.nn.softmax(tf.matmul(x, W) + b)

トレーニング

正解値格納用プレースホルダの準備

後で正解値を格納するプレースホルダを準備

y_ = tf.placeholder(tf.float32, [None, 10])

コスト関数の定義（交差エントロピー）

cross_entropy = tf.reduce_mean(-tf.reduce_sum(y_ * tf.log(y), reduction_indices=[1]))

最適化アルゴリズムの定義（勾配降下法）

train_step = tf.train.GradientDescentOptimizer(0.5).minimize(cross_entropy)

セッション生成

sess = tf.InteractiveSession()

変数の初期化

tf.global_variables_initializer().run()

データの学習

for _ in range(1000):
  batch_xs, batch_ys = mnist.train.next_batch(100)
  sess.run(train_step, feed_dict={x: batch_xs, y_: batch_ys})

結果の確認

予測が正解と一致したか

correct_prediction = tf.equal(tf.argmax(y,1), tf.argmax(y_,1))

正解の割合

accuracy = tf.reduce_mean(tf.cast(correct_prediction, tf.float32))

精度を出力

print(sess.run(accuracy, feed_dict={x: mnist.test.images, y_: mnist.test.labels}))