PC環境

つづき １２．処理速度 １２．１　CPUとGPU 　　１０項までのパラメータとCNN構造で正解率０．８８６２を得た時の 処理時間は１０１．６秒で２３ｓｔｅｐであった。この時の環境では、 CPU（Core i5-9600K … 続きを読む 【機械学習】画像認識の試行錯誤（７／Ｅ）

つづき ６．損失関数の変更 　binary_crossentropy（交差エントロピー）が基準であるが、他の関数に変えた時の 正解率を調べることにする。なお、CNNの構造は、前回の５．２．１とした。 やはり、基準の　bi … 続きを読む 【機械学習】画像認識の試行錯誤（５）

つづき ５．CNN構造の変更 ５．１　基本形 　　　基本形は、下図のように入力層、畳込み層（conv）×１、プーリング層（maxpool）×１、  全結合層（dense）×２、出力層から構成されている。 ５．２　畳込み層 … 続きを読む 【機械学習】画像認識の試行錯誤（４）

つづき ４．パラメータを変えたときの正解率 （１）フィルタ数 　　codExaのテキストでは３２となっていた。他に６４，９６とした時の正解率は下記のとおりである。 　フィルタ数に比例している訳ではない。（２）以降はフィル … 続きを読む 【機械学習】画像認識の試行錯誤（３）

つづき ３．基本形のコーディング例 　　Jupyter Notebookを使ったコーディング例は、下記のとおりである。 ３．１　モデルのタイプ指定からプール層まで 　　　主なパラメータは下記の４ケである。 （１）フィルタ … 続きを読む 【機械学習】画像認識の試行錯誤（２）

　ニューラルネットワークを使った画像認識を行い、色々なパラメータで 正解率がどのように変わるのか試してみた。   １．背景 　機械学習では、codExaさんに大変お世話になりました（無料講座）。 そこに下記の有 … 続きを読む 【機械学習】画像認識の試行錯誤（１）

機械学習を分かりやすく勉強するには、色々な方法がありそうである。今回は、 下記の無料動画で勉強した。とても分かりやすかった。ありがとうございました。 ・ｃｏｄＥｘａ 下記の４つを勉強した。自分はJupyter Noteb … 続きを読む 【機械学習】入門

つづき ２．Pythonのプログラミング （１）下図のようにNewのメニューからFolderをクリックして、作業用のフォルダを作成する。 （２）作成したフォルダ（下図はworkspace）をクリックし、下図のようにNew … 続きを読む 【機械学習】Jupyter Notebookが使いやすい（２／Ｅ）

 ディープラーニングは機械学習の一分野であるので、順序が逆だが機械学習を 勉強することにした。その際に、Jupyter Notebookが使いやすいので、メモして 置くことにした。 １．起動 （１）ANACONDAから起 … 続きを読む 【機械学習】Jupyter Notebookが使いやすい（１）

　描画編集ソフトは、いつもGIMPを使っていた。しかし、ネットワーク図のようなものを 描く場合には、少し使いにくい。特に円を整列させるのに手間がかかる。 そこで、Draw.ioを試してみたら、とても使い易かった。 下記の … 続きを読む ドローソフトDraw.ioが便利である