TensorFlow + Keras入門 ~環境構築からサンプルコード実行まで~

  • このエントリーをはてなブックマークに追加
  • Pocket
  • LINEで送る
         

はじめに

機械学習を手軽に試せるライブラリであるTensorFlowと、そのラッパーライブラリであるKerasを使ってみたいと思います。

TensorFlowはGoogleが公開しているライブラリであり、機械学習やディープラーニングを始めとする様々な演算に使用することが出来ます。

TensorFlowだけでも機械学習は実装できますが、Kerasを使うことでより短く簡単にプログラムを実装できるので、さくっとプロトタイピングしたい時におすすめです。

TensorFlow
Keras公式サイト(日本語)

 

動作環境

  • macOS High Sierra Version 10.13
  • python 3.6.3
  • pyenv 1.1.5
  • anaconda 3-5.0.0
  • Keras 2.0.8
  • tensorflow 1.3.0

 

Anacondaのインストール

Anacondaは機械学習用のライブラリがバンドル化されたパッケージです。軽量化したパッケージにMinicondaというものもありますが、今回はAnacondaを使って環境を構築します。

pyenv install

まずはPythonのバージョン管理にpyenvを準備します。

既にpyenvがインストールされていれば不要です。

Anaconda install

Anacondaの最新バージョンを確認し、バージョン指定でインストールします。

** pyenvが必要ない場合は公式のインストーラをダウンロードしてください **
公式インストーラ

環境をAnacondaに切り替え

Anacondaのパスを通す

Keras実行用の仮想環境作成

続けるかどうか聞かれるのでyで進みます。

仮想環境(keras)をアクティベート

同様に続けるかどうか聞かれるのでyで進みます。

成功しました!

KerasのバックエンドにTensorflowを設定されていることを確認します

もし作成されていなければ、jsonファイルを作成して下さい。
デフォルトで設定されていたら変更は必要ありません。

サンプルコード実行

公式にいくつかサンプルコードが公開されているので、今回はMNISTを試してみます。

Kerasサンプルコード

MNIST

サンプルコードの内容です。

それでは実行してみましょう。

正解率は0.9844となりました!

サンプルとは言え、かなり高精度ですね。

途中でWarningが出ているのはCPUの拡張命令をしてあげれば解消されるようです。

Python: Keras/TensorFlow の学習を CPU の拡張命令で高速化する (Mac OS X)

まとめ

今回はTensorFlow + Kerasで機械学習するための環境構築からサンプルコードの実行までを行いました。

Kerasはシンプルに実装できそうでいい感じですね。

色々試してみたいと思います!

それではまた。

スポンサーリンク

  • このエントリーをはてなブックマークに追加
  • Pocket
  • LINEで送る

SNSでもご購読できます。