本記事では、TensorFlow で用意されたモデルを使用し、転移学習を行う方法について解説します。 今回は、VGG16モデルをベースに、メガネの形状を識別出来る様な新しいモデルを構築していきます。 学習済みモデルとは(復習) 以前、我が家の犬の犬種を識別するプログラムを実装しました。 あの時使用したのは TensorFlow にあらかじめ用意されている VGG16 と […]
本記事では、 keres ライブラリの ImageDaraGenerator を使用して、画像データを加工した上で画像の数を増やす方法について解説していきます。 なぜ画像を加工するのか？ まず、なぜ画像を加工して増やさなければいけないのかについて考えます。 機械学習において特に重要なのは、構築したモデルに対して学習を行わせるフェーズです。 そこではモデルに大量の画像を読み込ませ、そこから対象の特徴 […]
本記事では、TensorFlow の keras ライブラリに用意されている VGG16 という学習済みモデルを使用して、うちの犬の犬種を判別するプログラムの実装を行ってみたいと思います。 VGG16とは？ VGG16 とは、画像認識モデルの性能を競う大規模なコンペであるILSVRC（ImageNet Large Scale Visual Recognition Challenge）における201 […]
本記事では、TensorFlowを使用してMNIST画像識別を実装していきます。 TensorFlowとは？ TensorFlowとは、Googleが開発した機械学習用のライブラリです。テンサーフロー、またはテンソルフローと読みます。 テンソルとは多次元配列のことを意味し、その名の通り多次元の配列を取り扱うことで一般的な機械学習や高度のディープラーニングなどを実装することが出来ます。 誰でも使える […]
本記事は、学習機能を伴ったニューラルネットワークを誤差逆伝播法を用いて定義しなおして学習を行い、画像認識を行うまでを実装していきます。 画像データの準備、およびモデルの定義１回目と学習失敗の経緯については下記の記事を参照ください。 [ 機械学習 ] MNISTデータの画像認識実装(ライブラリ不使用) 1.知識まとめ~データの準備まで [ 機械学習 ] MNISTデータの画像認識実装(ライブラリ不使 […]
本記事は、学習機能を伴ったニューラルネットワークを作成し、学習を行い、失敗するところまでを取り扱います。 失敗したものを記事にするのはどうかとも思ったのですが、個人的な記録としては価値あるものなのであえて書くことにします。 今回の内容は前回の続きとなりますので、まだそちらをご覧で無ければ前回記事からお読みいただければ幸いです。 [ 機械学習 ] MNISTデータの画像認識実装(ライブ […]
本記事では、学習機能を伴ったニューラルネットワークを作成し、実際に画像認識を行なってみます。 機械学習のライブラリを使用した場合は比較的簡単にネットワークを作成することができますが、今回の目的は機械学習についての理解を深めることにあるため、基本的にライブラリは使用せずにネットワークを作成していきます。 ライブラリを使用しての実装は、また次の記事などで行なっていきます。 ここまでのまとめ いきなりま […]
本記事では、損失関数の出力を最小化するための方法についてまとめます。 なぜ損失関数を最小化するのか(おさらい) はじめに、なぜ損失関数を最小化しなければいけないのか、というお話から始めたいと思います。前の記事と内容が重複しますので、すでに読まれている方はここを読み飛ばしてくださって構いません。 損失関数とは何か 損失関数とは、機械学習モデルの出力 y と、正解 t の間にどれだけ隔たりがあるのか、 […]
本記事では、損失関数についてまとめていきたいと思います。 損失関数とは 損失関数とは何か 損失関数とは、２つの数値にどれだけの誤差（損失）があるかを計測する関数です。 例えば機械学習モデルを作成するにあたり、訓練用のデータ（x）とそれに対応する正解データ（t）があったとします。 ニューラルネットワークを作成し、そこにデータ x を渡すと、y が出力されますね。 そこで出力された y と、正解データ […]
本記事では、機械学習における「学習」の必要性についてまとめていきたいと思います。 学習とは 定義 今回のテーマは「機械学習における学習」ですが、まずは「学習」の定義から確認しましょう。 機械学習において「学習」とは、「訓練データから最適な重みパラメータとバイアスを自動で獲得すること」を指します。 言葉だけではちょっと分かりづらいので、前の記事などで使用した図などを利用してこの「学習」の意味を考えて […]
