iT邦幫忙

2018 iT 邦幫忙鐵人賽
DAY 28
1
AI & Machine Learning

tensorflow python系列 第 28

DAY28 基於Keras使用CNN進行數字辨識(2)

  • 分享至 

  • xImage
  •  

前言:

今天我們將使用上篇文章中所建立的模型,來進行訓練,並且查看結果。

程式開始:

(1)定義訓練方式

model.compile(loss='categorical_crossentropy',
              optimizer='adam',
              metrics=['accuracy']
             )

說明:

設定損失函數,最佳化方法,以及評估模型等。

(2)開始訓練

train_history=model.fit(x=x_train4_nor,y=y_train_one,validation_split=0.1,epochs=15,batch_size=300,verbose=2)

說明:

x=>影像特徵值

y=>影像實際值

validation_split=>設定訓練及驗證資料比例

epochs=>訓練周期

batch_size=>每一批次多少筆資料

verbose=>顯示訓練過程

https://ithelp.ithome.com.tw/upload/images/20180116/20107535xXAxjLiooy.png

https://ithelp.ithome.com.tw/upload/images/20180116/20107535wjsN4Kfrf5.png

(3)畫出圖形

def plot_images_labels(images,labels,prediction,idx,num=10):
    fig=plt.gcf()
    fig.set_size_inches(12,14)
    if num>25:
        num=15
    for i in range(0,num):
        ax=plt.subplot(5,5,1+i)
        ax.imshow(np.reshape(images[idx],(28,28)), cmap='binary')
        title="label=" +str(labels[idx])
        if len(prediction)>0:
            title+=",predict="+str(prediction[idx])
        ax.set_title(title,fontsize=10)
        ax.set_xticks([])
        ax.set_yticks([])
        idx=idx+1
    plt.show()

說明:

前面有使用過,不多講。

(4)進行預測

prediction=model.predict_classes(x_test_nor)

plot_images_labels(x_test,y_test,prediction,idx=300)

說明:

第1行:輸入影像,並儲存結果。

第3行:印出預測值,從第300筆開始,印10筆,也就是(300-309)。

https://ithelp.ithome.com.tw/upload/images/20180116/20107535xDMhTAxLqF.png

(5)顯示混淆矩陣

import pandas as pd
pd.crosstab(y_test,prediction,rownames=['label'],colnames=['predict'])

說明:

引入pandas crosstab函式來建立混淆矩陣。

https://ithelp.ithome.com.tw/upload/images/20180116/20107535vajz7894H2.png

結尾:

經過了這幾天的文章,我們可以發現keras的程式碼會比純粹的TensofFlow還要簡單,而使用CNN進行預測的準確機率,又會把使用多層感知器來訓練還要來的高。


上一篇
DAY27 基於Keras使用CNN進行數字辨識(1)
下一篇
DAY 29 tf.train.Save
系列文
tensorflow python30
圖片
  直播研討會
圖片
{{ item.channelVendor }} {{ item.webinarstarted }} |
{{ formatDate(item.duration) }}
直播中

尚未有邦友留言

立即登入留言