MINIST.ipynb

minist.ipynb

{
  "nbformat": 4,
  "nbformat_minor": 0,
  "metadata": {
    "colab": {
      "provenance": [],
      "authorship_tag": "ABX9TyMpuhENmmbr1Kw+TtCP6KkE",
      "include_colab_link": true
    },
    "kernelspec": {
      "name": "python3",
      "display_name": "Python 3"
    },
    "language_info": {
      "name": "python"
    }
  },
  "cells": [
    {
      "cell_type": "markdown",
      "metadata": {
        "id": "view-in-github",
        "colab_type": "text"
      },
      "source": [
        "<a href=\"https://colab.research.google.com/gist/nemolize/cac08f682a354c3cee9b642a0653e17a/minist.ipynb\" target=\"_parent\"><img src=\"https://colab.research.google.com/assets/colab-badge.svg\" alt=\"Open In Colab\"/></a>"
      ]
    },
    {
      "cell_type": "markdown",
      "source": [
        "1. **パッケージのインストール：**\n",
        "最初に必要なpython ライブラリをインストールします。Google Colabでは既にこれらのライブラリはインストールされていますが、他の環境では以下のコマンドによってインストールします。"
      ],
      "metadata": {
        "id": "fdeIM1KfRIG3"
      }
    },
    {
      "cell_type": "code",
      "source": [
        "!pip install numpy matplotlib tensorflow"
      ],
      "metadata": {
        "id": "X61MjgjgRLL8"
      },
      "execution_count": null,
      "outputs": []
    },
    {
      "cell_type": "markdown",
      "source": [
        "2. **データのインポート：**\n",
        "次に、MNISTデータセットのインポートと、画像データとラベルデータの分割します。"
      ],
      "metadata": {
        "id": "ZK16Gb1nQ3Zn"
      }
    },
    {
      "cell_type": "code",
      "execution_count": null,
      "metadata": {
        "id": "aFxh9wwnQrwl"
      },
      "outputs": [],
      "source": [
        "from tensorflow.keras.datasets import mnist\n",
        "\n",
        "(train_images, train_labels), (test_images, test_labels) = mnist.load_data()"
      ]
    },
    {
      "cell_type": "markdown",
      "source": [
        "3. **データの前処理：**\n",
        "MNISTデータセットの画像はグレースケールで、各ピクセルの値は0-255です。\n",
        "一般的には、この値を0-1の範囲にスケーリング(正規化)します。"
      ],
      "metadata": {
        "id": "PbNcAEoMQ75B"
      }
    },
    {
      "cell_type": "code",
      "source": [
        "train_images = train_images / 255.0\n",
        "test_images = test_images / 255.0"
      ],
      "metadata": {
        "id": "goLQKTAFRV85"
      },
      "execution_count": null,
      "outputs": []
    },
    {
      "cell_type": "markdown",
      "source": [
        "4. **モデルの作成：**\n",
        "自分でニューラルネットワークの構造を定義します。以下のコードは単純な積層型のニューラルネットワークの例です。\n"
      ],
      "metadata": {
        "id": "_d5DSfYNRZy2"
      }
    },
    {
      "cell_type": "code",
      "source": [
        "from tensorflow.keras.models import Sequential\n",
        "from tensorflow.keras.layers import Flatten, Dense\n",
        "\n",
        "model = Sequential([\n",
        "    Flatten(input_shape=(28, 28)),\n",
        "    Dense(128, activation='relu'),\n",
        "    Dense(10, activation='softmax')\n",
        "])"
      ],
      "metadata": {
        "id": "k_YA-kJ2Resa"
      },
      "execution_count": null,
      "outputs": []
    },
    {
      "cell_type": "markdown",
      "source": [
        "5. **コンパイル：**\n",
        "損失関数、オプティマイザ、評価指標を決めてモデルをコンパイルします。"
      ],
      "metadata": {
        "id": "ztBiADpvRf04"
      }
    },
    {
      "cell_type": "code",
      "source": [
        "model.compile(optimizer='adam',\n",
        "              loss='sparse_categorical_crossentropy',\n",
        "              metrics=['accuracy'])"
      ],
      "metadata": {
        "id": "dZJrUN7KRpu6"
      },
      "execution_count": null,
      "outputs": []
    },
    {
      "cell_type": "markdown",
      "source": [
        "6. **トレーニング：**\n",
        "モデルを学習させます。この際に、検証用データを指定しておくと、エポックの度に検証用データに対する評価も行われます。"
      ],
      "metadata": {
        "id": "MNloV1R6Rt7z"
      }
    },
    {
      "cell_type": "code",
      "source": [
        "model.fit(train_images, train_labels, epochs=5)"
      ],
      "metadata": {
        "id": "C8X6wM0LRvtA"
      },
      "execution_count": null,
      "outputs": []
    },
    {
      "cell_type": "markdown",
      "source": [
        "7. **評価：**\n",
        "学習させたモデルの性能を評価します。"
      ],
      "metadata": {
        "id": "sxvJWPIZR0MC"
      }
    },
    {
      "cell_type": "code",
      "source": [
        "test_loss, test_acc = model.evaluate(test_images,  test_labels, verbose=2)\n",
        "\n",
        "print('\\nTest accuracy:', test_acc)\n",
        "\n"
      ],
      "metadata": {
        "colab": {
          "base_uri": "https://localhost:8080/"
        },
        "id": "8i5GJhieR4XN",
        "outputId": "403980f5-a7f0-41f3-e695-002d9376387e"
      },
      "execution_count": null,
      "outputs": [
        {
          "output_type": "stream",
          "name": "stdout",
          "text": [
            "313/313 - 0s - loss: 0.0702 - accuracy: 0.9792 - 477ms/epoch - 2ms/step\n",
            "\n",
            "Test accuracy: 0.979200005531311\n"
          ]
        }
      ]
    }
  ]
}