UNISIA-SE Tech Blog

1. 前提条件

▼ 下記ページを理解していること。
[Python] [5] MNISTのダウンロード方法 (手書き数字画像セットを取込む)

▼ Python3.6、NumPyがインストールされていること。
このページでは、venvの仮想環境(Python3.6)上にNumPyをインストールした環境で、Python対話モード(Pythonインタプリタ)にて実装サンプルを記載している。

※ Python対話モード、NumPyについては下記を参考。
Python対話モード：[Python] 対話モード (インタプリタ) の使用方法
NumPy：[Python] [NumPy] インストールとnumpy.ndarrayの使用方法

2. 推論処理の実行準備

3. 推論処理のニューロン構成と関数定義

▼ ニューロン構成について
入力層：784個 ※ 画像データ28 x 28 = 784 (ピクセル数)
隠れ層1： 50 ※ 任意の値
隠れ層2：100 ※ 任意の値
出力層：10 ※ 数字 0 ～ 9 の 10 クラス

import sys, os
sys.path.append(os.pardir) # 親ディレクトリのファイルをインポートするための設定
import numpy as np
import pickle
from dataset.mnist import load_mnist
from common.functions import sigmoid, softmax

def get_data():
    (x_train, t_train), (x_test, t_test) = load_mnist(normalize=True, flatten=True, one_hot_label=False)
    return x_test, t_test

def init_network():
    with open("sample_weight.pkl", 'rb') as f:
    network = pickle.load(f)
    return network

def predict(network, x):
    W1, W2, W3 = network['W1'], network['W2'], network['W3']
    b1, b2, b3 = network['b1'], network['b2'], network['b3']
    a1 = np.dot(x, W1) + b1
    z1 = sigmoid(a1)
    a2 = np.dot(z1, W2) + b2
    z2 = sigmoid(a2)
    a3 = np.dot(z2, W3) + b3
    y = softmax(a3)
    return y

4. 推論処理の実行

x, t = get_data()    # … (1)
network = init_network()    # … (2)

accuracy_cnt = 0
for i in range(len(x)):    # … (3)
    y = predict(network, x[i])    # … (4)
    p= np.argmax(y)    # … (5)
    if p == t[i]:    # … (6)
        accuracy_cnt += 1    # … (7)

print("Accuracy:" + str(float(accuracy_cnt) / len(x)))    # … (8)

[ 0.2, 0.1, 0.04 , … , 0.05  ]    # 0 ～ 9 それぞれの確率 (20%, 10%, 4%,  … , 5%)

$ cd gitlocalrep
$ cd deep-learning-from-scratch/ch03
$ source /var/www/vops/bin/activate
$ python neuralnet_mnist.py
 Accuracy:0.9352