![ソース 2/3
>>> x = tf.placeholder(tf.float32, [None, 784])
>>> W = tf.Variable(tf.zeros([784, 10]))
>>> b = tf.Variable(tf.zeros([10]))
>>> y = tf.nn.softmax(tf.matmul(x, W) + b)
>>> y_ = tf.placeholder(tf.float32, [None, 10])
#cross-entropy
>>> cross_entropy = -tf.reduce_sum(y_*tf.log(y))
#backpropagation algorithm
>>> train_step = tf.train.GradientDescentOptimizer(0.01).minimize(cross_entropy)
#初期化
>>> init = tf.initialize_all_variables()
>>> sess = tf.Session()
>>> sess.run(init)
14](https://image.slidesharecdn.com/googletensorflow-160130230458/85/Google-TensorFlow-14-320.jpg)
Google TensorFlowで遊んでみた①
- 1. 長谷川 1
- 2. ? TensorFlowって何？ ? TensorFlowで何ができるの？ ? チュートリアルやってみた https://www.tensorflow.org/versions/0.6.0/tutorials/index.html 2
- 3. ? Data flowグラフを用いた数値計算のためのOSS。 ? グラフの Node(節点)は数学的操作 ? グラフのEdge(枝)はその間で通信される多次元データ配 列(テンソル) を表している。?【詳細は次のページ】 ? 機械学習とディープニューラルネットワークの研究のため に開発されたが、その他の様々な用途にも使われている。 公式 https://www.tensorflow.org/ 動画 https://youtu.be/oZikw5k_2FM 3
- 4. ? 有向グラフ(Node, Edge)で 数学的計算を記述する。 ? Node ? 数学的計算、変数の読み書き、 データの入出力。 ? Edge ? Node間の入出力。 ? Nodeを異なるデバイスに割り当て、 非同期に並列実行が可能。 4 Edge Node Node
- 6. 【環境】 ubuntu 14.04 x86_64、Python 3.4 pip-installationでインストール https://www.tensorflow.org/versions/master/get_started/os_se tup.html#pip-installation 【トラブル】最初にCentOSでやったとき pipでTensorFlowインストール時に下記のエラーメッセージが表示された。 tensorflow-0.6.0-cp34-none-linux_x86_64.whl is not a supported wheel on this platform. 「tensorflow-0.6.0-cp34-none-linux_x86_64.whl」をダウンロードし て、「 tensorflow-0.6.0-cp35-none-linux_x86_64.whl 」にリネーム してインストールした。 6
- 7. ①MNIST For ML Beginners 機械学習(Machine Learning)初心者向けの手書き数 字の分類チュートリアル。 MNISTはシンプルな画像の集合で、下記のような手描 きの数字で構成される。 Softmax Regression(ソフトマックス回帰)で数字を推 定する。 7
- 8. 手順1 MNISTデータをダウンロード mnist.tran：trainingデータ 55,000 mnist.test：testデータ 10,000 mnist.validation：validationデータ 5,000 手順2 28pixel×28pixelの画像を28×28=784の配列に変換。 配列の要素は0(白)～1(黒)の実数。 8
- 13. ソース 1/3 >>> import tensorflow as tf >>> import os #MNISTデータダウンロード用のpyをダウンロード >>> os.system("curl https://raw.githubusercontent.com/tensorflow/tensorflow/master/tensorflow/examples/tutorials/mnis t/input_data.py -o input_data.py") % Total % Received % Xferd Average Speed Time Time Time Current Dload Upload Total Spent Left Speed 100 7309 100 7309 0 0 11158 0 --:--:-- --:--:-- --:--:-- 11158 0 >>> import input_data #MNISTデータダウンロード＆格納 >>> mnist = input_data.read_data_sets('MNIST_data', one_hot=True) Successfully downloaded train-images-idx3-ubyte.gz 9912422 bytes. Extracting MNIST_data/train-images-idx3-ubyte.gz Successfully downloaded train-labels-idx1-ubyte.gz 28881 bytes. Extracting MNIST_data/train-labels-idx1-ubyte.gz Successfully downloaded t10k-images-idx3-ubyte.gz 1648877 bytes. Extracting MNIST_data/t10k-images-idx3-ubyte.gz Successfully downloaded t10k-labels-idx1-ubyte.gz 4542 bytes. Extracting MNIST_data/t10k-labels-idx1-ubyte.gz 13
- 14. ソース 2/3 >>> x = tf.placeholder(tf.float32, [None, 784]) >>> W = tf.Variable(tf.zeros([784, 10])) >>> b = tf.Variable(tf.zeros([10])) >>> y = tf.nn.softmax(tf.matmul(x, W) + b) >>> y_ = tf.placeholder(tf.float32, [None, 10]) #cross-entropy >>> cross_entropy = -tf.reduce_sum(y_*tf.log(y)) #backpropagation algorithm >>> train_step = tf.train.GradientDescentOptimizer(0.01).minimize(cross_entropy) #初期化 >>> init = tf.initialize_all_variables() >>> sess = tf.Session() >>> sess.run(init) 14
- 15. ソース 3/3 #training >>> for i in range(1000): ... batch_xs, batch_ys = mnist.train.next_batch(100) ... sess.run(train_step, feed_dict={x: batch_xs, y_: batch_ys}) ... >>> correct_prediction = tf.equal(tf.argmax(y,1), tf.argmax(y_,1)) #TRUE/FALSEを1/0に変換 >>> accuracy = tf.reduce_mean(tf.cast(correct_prediction, "float")) #精度を表示 >>> print sess.run(accuracy, feed_dict={x: mnist.test.images, y_: mnist.test.labels}) 0.9113 ※rangeを5000にしたら0.9243になった 15