Hy による Rescale で Keras を使用したニューラル ネットワーク

__future__ から print_function をインポート keras.datasets からインポート cifar10 keras.models からインポート シーケンシャル keras.layers.core からインポート Dense、Dropout、Activation、Flatten keras.layers.convolutional からインポート Convolution2D、MaxPooling2D keras.optimizers からインポート SGD、Adadelta、Adagrad keras.utils から np_utils をインポートし、six.moves からの generic_utils インポート範囲

(import [__future__ [print_function]] [keras.datasets [cifar10]] [keras.models [Sequential]] [keras.layers.core [Dense Dropout Activation Flatten]] [keras.layers.convolutional [Convolution2D MaxPooling2D]] [keras .optimizers [SGD Adadelta Adagrad]] [keras.utils [np_utils generic_utils]] [six.moves [range]] [numpy :as np])

バッチ_サイズ = 32 nb_classes = 10 nb_epoch = 100 # 入力画像のサイズ img_rows, img_cols = 32, 32 # CIFAR10 画像は RGB img_channels = 3

(def batch_size 32 nb_classes 10 nb_epoch 100 ;; 入力画像の寸法 img_rows 32 img_cols 32 ;; CIFAR10 画像は RGB img_channels 3)

def load_dataset(): # データ、シャッフルされ、トレーニング セットとテスト セットの間で分割されます (X_train, y_train), (X_test, y_test) = cifar10.load_data() print('X_train Shape:', X_train.shape) print(X_train. shape[0], 'train tables') print(X_test.shape[0], 'test tables') # クラスベクトルをバイナリクラス行列に変換します Y_train = np_utils.to_categorical(y_train, nb_classes) Y_test = np_utils.to_categorical(y_test, nb_classes) X_train = X_train.astype('float32') X_test = X_test.astype('float32') X_train /= 255 X_test /= 255 return X_train、Y_train、X_test、Y_test def make_network():model = Sequential() モデル。 add(Convolution2D(32, 3, 3, border_mode='same', input_shape=(img_rows, img_cols, img_channels))) model.add(Activation('relu')) model.add(Convolution2D(32, 3, 3) )model.add(Activation('relu'))model.add(MaxPooling2D(pool_size=(2, 2)))model.add(Dropout(0.25))model.add(Convolution2D(64, 3, 3, border_mode= '同じ'))model.add(Activation('relu'))model.add(Convolution2D(64, 3, 3))model.add(Activation('relu'))model.add(MaxPooling2D(pool_size=(2) 、2)))model.add(Dropout(0.25))model.add(Flatten())model.add(Dense(512))model.add(Activation('relu'))model.add(Dropout(0.5) ) model.add(Dense(nb_classes)) model.add(Activation('softmax')) return モデル def train_model(model, X_train, Y_train, X_test, Y_test): sgd = SGD(lr=0.01,decay=1e-6) 、勢い = 0.9、nesterov = True) model.compile(loss = 'categorical_crossentropy'、optimizer = sgd) model.fit(X_train、Y_train、nb_epoch = nb_epoch、batch_size = batch_size、validation_split = 0.1、show_accuracy = True、verbose = 1 ) print('テスト中...') res = model.evaluate(X_test, Y_test,batch_size=batch_size,verbose=1, show_accuracy=True) print('テスト精度: {0}'.format(res[1]) ) def save_model(model): model_json = model.to_json() open('cifar10_architecture.json', 'w').write(model_json) model.save_weights('cifar10_weights.h5', overwrite=True)

(defn load-dataset [] ;; シャッフルされ、トレーニング セットとテスト セットに分割されたデータ (let [[TRAIN TEST] (cifar10.load_data) [X-train y-train] TRAIN [X-test y-test] TEST) ;; クラス ベクトルをバイナリ クラス行列に変換します Y-train (np_utils.to_categorical y-train nb_classes) Y-test (np_utils.to_categorical y-test nb_classes)] (print "OK") (print "X_train Shape: " X-train .shape) (print (get X-train.shape 0) "トレーニング サンプル") (print (get X-test.shape 0) "テスト サンプル") ;; hy タプル表記 (, X-train Y-train X- test Y-test))) (defn make-network [] (doto (Sequential) (.add (Convolution2D 32 3 3 :border_mode "same" :input_shape (, img_rows img_cols img_channels))) (.add (Activation "relu") )) (.add (Convolution2D 32 3 3)) (.add (Activation "relu")) (.add (MaxPooling2D :pool_size (, 2 2))) (.add (Dropout 0.25)) (.add (Convolution2D 64) 3 3 :border_mode "same")) (.add (アクティベーション "relu")) (.add (Convolution2D 64 3 3)) (.add (アクティベーション "relu")) (.add (MaxPooling2D :pool_size (, 2 2) ))) (.add (Dropout 0.25)) (.add (Flatten)) (.add (Dense 512)) (.add (Activation "relu")) (.add (Dropout 0.5)) (.add (Dense nb_classes) )) (.add (Activation "softmax")))) (defn train-model [モデル X-train Y-train X-test Y-test] (let [sgd (SGD :lr 0.01 :decay 1e-6 :momentum) 0.9 :nesterov true)] (doto モデル (.compile :loss "categorical_crossentropy" :optimizer sgd) (.fit X-train Y-train :nb_epoch nb_epoch :batch_size バッチサイズ :validation_split 0.1 :show_accuracy true :verbose 1))) (print "テスト中...") (let [res (model.evaluate X-test Y-test :batch_size バッチサイズ :verbose 1 :show_accuracy true)] (-> "テスト精度 {}" (.format (get res 1)) (print)))) (defn save-model [model] (with [ofile (open "cifar10_architecture.json" "w")] (ofile.write (model.to_json))) (model.save_weights "cifar10_weights.h5" :上書き true))

if __name__ == '__main__': X_train, Y_train, X_test, Y_test =load_dataset() model = make_network() train_model(model, X_train, Y_train, X_test, Y_test) save_model(model)

(when (= --name-- "__main__") ;; 再現性のために追加 (np.random.seed 1) (let [[X-train Y-train X-test Y-test] (load-dataset)] ( doto (make-network) (train-model X-train Y-train X-test Y-test) (save-model))))