컨벌루션 신경망 Part1 [TensorFlow2.0에서 Deep Learning 4]
소개
컨벌루션 신경망 Part1 [TensorFlow에서 Deep Learning 4]을 tensorflow2.0에서 실현하기 위해서는 어떻게 해야 하는지를 쓴다( tf.keras ).
코드
Python: 3.6.8, Tensorflow: 2.0.0a0에서 작동 확인됨
컨벌루션 신경망 Part1 [TensorFlow에서 Deep Learning 4]
( m에 st_후ぇぇd_c응_해 mpぇ. py )을 다시 쓰면,
v2/mnist_fixed_cnn_simple.py
v2/mnist_fixed_cnn_simple.pyfrom helper import *
IMAGE_WIDTH, IMAGE_HEIGHT = 28, 28
CATEGORY_NUM = 10
LEARNING_RATE = 0.1
FILTER_NUM = 2
EPOCHS = 15
BATCH_SIZE = 100
LOG_DIR = 'log_fixed_cnn'
class Prewitt(tf.keras.layers.Layer):
def build(self, input_shape):
v = np.array([[ 1, 0, -1]] * 3)
h = v.swapaxes(0, 1)
self.kernel = tf.constant(np.dstack([v, h]).reshape((3, 3, 1, 2)), dtype = tf.float32, name='prewitt')
self.built = True
def call(self, x):
x_ = tf.reshape(x, [-1, x.shape[1], x.shape[2], 1])
return tf.abs(tf.nn.conv2d(x_, self.kernel, strides=[1, 1, 1, 1], padding='SAME'))
if __name__ == '__main__':
(X_train, y_train), (X_test, y_test) = mnist_samples()
model = tf.keras.models.Sequential()
model.add(Prewitt((IMAGE_HEIGHT * IMAGE_WIDTH, FILTER_NUM), input_shape=(IMAGE_HEIGHT, IMAGE_WIDTH)))
model.add(tf.keras.layers.Flatten())
model.add(tf.keras.layers.Dense(CATEGORY_NUM, activation='softmax'))
model.compile(
loss='categorical_crossentropy',
optimizer=tf.keras.optimizers.SGD(LEARNING_RATE), metrics=['accuracy'])
cb = [tf.keras.callbacks.TensorBoard(log_dir=LOG_DIR)]
model.fit(X_train, y_train, batch_size=BATCH_SIZE, epochs=EPOCHS, callbacks=cb, validation_data=(X_test, y_test))
print(model.evaluate(X_test, y_test))
라고 쓸 수 있다. 단지, Prewitt 필터의 표현이 적절한지 불안이 남아 있지만, 동작은 적절하다.
죄송합니다. (1epoch에서 이미 정확도가 높음)
Reference
이 문제에 관하여(컨벌루션 신경망 Part1 [TensorFlow2.0에서 Deep Learning 4]), 우리는 이곳에서 더 많은 자료를 발견하고 링크를 클릭하여 보았다
https://qiita.com/kumonkumon/items/793fc986a216b1184b56
텍스트를 자유롭게 공유하거나 복사할 수 있습니다.하지만 이 문서의 URL은 참조 URL로 남겨 두십시오.
우수한 개발자 콘텐츠 발견에 전념
(Collection and Share based on the CC Protocol.)
Python: 3.6.8, Tensorflow: 2.0.0a0에서 작동 확인됨
컨벌루션 신경망 Part1 [TensorFlow에서 Deep Learning 4]
( m에 st_후ぇぇd_c응_해 mpぇ. py )을 다시 쓰면,
v2/mnist_fixed_cnn_simple.py
v2/mnist_fixed_cnn_simple.py
from helper import *
IMAGE_WIDTH, IMAGE_HEIGHT = 28, 28
CATEGORY_NUM = 10
LEARNING_RATE = 0.1
FILTER_NUM = 2
EPOCHS = 15
BATCH_SIZE = 100
LOG_DIR = 'log_fixed_cnn'
class Prewitt(tf.keras.layers.Layer):
def build(self, input_shape):
v = np.array([[ 1, 0, -1]] * 3)
h = v.swapaxes(0, 1)
self.kernel = tf.constant(np.dstack([v, h]).reshape((3, 3, 1, 2)), dtype = tf.float32, name='prewitt')
self.built = True
def call(self, x):
x_ = tf.reshape(x, [-1, x.shape[1], x.shape[2], 1])
return tf.abs(tf.nn.conv2d(x_, self.kernel, strides=[1, 1, 1, 1], padding='SAME'))
if __name__ == '__main__':
(X_train, y_train), (X_test, y_test) = mnist_samples()
model = tf.keras.models.Sequential()
model.add(Prewitt((IMAGE_HEIGHT * IMAGE_WIDTH, FILTER_NUM), input_shape=(IMAGE_HEIGHT, IMAGE_WIDTH)))
model.add(tf.keras.layers.Flatten())
model.add(tf.keras.layers.Dense(CATEGORY_NUM, activation='softmax'))
model.compile(
loss='categorical_crossentropy',
optimizer=tf.keras.optimizers.SGD(LEARNING_RATE), metrics=['accuracy'])
cb = [tf.keras.callbacks.TensorBoard(log_dir=LOG_DIR)]
model.fit(X_train, y_train, batch_size=BATCH_SIZE, epochs=EPOCHS, callbacks=cb, validation_data=(X_test, y_test))
print(model.evaluate(X_test, y_test))
라고 쓸 수 있다. 단지, Prewitt 필터의 표현이 적절한지 불안이 남아 있지만, 동작은 적절하다.
죄송합니다. (1epoch에서 이미 정확도가 높음)
Reference
이 문제에 관하여(컨벌루션 신경망 Part1 [TensorFlow2.0에서 Deep Learning 4]), 우리는 이곳에서 더 많은 자료를 발견하고 링크를 클릭하여 보았다 https://qiita.com/kumonkumon/items/793fc986a216b1184b56텍스트를 자유롭게 공유하거나 복사할 수 있습니다.하지만 이 문서의 URL은 참조 URL로 남겨 두십시오.
우수한 개발자 콘텐츠 발견에 전념
(Collection and Share based on the CC Protocol.)
좋은 웹페이지 즐겨찾기
