AI：息子と一緒に Makers：So-netブログ

	ブログをはじめるログイン

TensorFlow Core tutorial で学んでみた（１）　[AI]

TensorFlow の Getting Started With TensorFlow の最初の章、"TensorFlow Core Tutorial" で TensorFlow の基本を学んでみました。

https://www.tensorflow.org/get_started/get_started

まず最初に定数の簡単な例から。コメントが英語なのはご容赦を。

import os
os.environ['TF_CPP_MIN_LOG_LEVEL']='2'
import tensorflow as tf

# define constans 
node1 = tf.constant(3.0, dtype=tf.float32)
node2 = tf.constant(4.0)

# execute add
sess = tf.Session()
node3 = tf.add(node1, node2)

print("node3:", node3)
print("sess.run(node3):", sess.run(node3))

こちらを実行した結果がこちらです。特に説明の必要もなさそうですね。

C:\Users\Taro\TensorFlow>python constant.py
node3: Tensor("Add:0", shape=(), dtype=float32)
sess.run(node3): 7.0

次に、いわゆる関数を定義します。CやJavaなどと違って行列を変数として与えられることができます。これは便利ですね。

import os
os.environ['TF_CPP_MIN_LOG_LEVEL']='2'
import tensorflow as tf

# set variables a and b
a = tf.placeholder(tf.float32)
b = tf.placeholder(tf.float32)

# define formula
adder_node = a + b

# create execution instance
sess = tf.Session()

# execute '3'+'4.5'
print(sess.run(adder_node, {a: 3, b: 4.5}))

# execute matrix operation [1, 3] + [2, 4]
print(sess.run(adder_node, {a: [1, 3], b: [2, 4]}))

# define formula
add_and_triple = adder_node * 3.0

# execute operation
print(sess.run(add_and_triple, {a: 3, b: 4.5}))

# execute matrix operation
print(sess.run(add_and_triple, {a: [1, 3], b: [2, 4]}))

こちらの実行結果がこちらです。

C:\Users\Taro\TensorFlow>python placeholder.py
7.5
[ 3.  7.]
22.5
[  9.  21.]

最後に初期値付きの変数を使ったサンプルです。少し小難しいですが差分二乗和を変数と行列でそれぞれで算出しています。reduce_sum という TensorFlow の埋め込み関数も使っています。

import os
os.environ['TF_CPP_MIN_LOG_LEVEL']='2'
import tensorflow as tf

# define variables with initial value
W = tf.Variable([0.3], dtype=tf.float32)
b = tf.Variable([-0.3], dtype=tf.float32)

# define variable
x = tf.placeholder(tf.float32)

# define formula
linear_model = W * x + b

# create exection instance
sess = tf.Session()

# initialize variables
init = tf.global_variables_initializer()
sess.run(init)

# execute linear_model
print(sess.run(linear_model, {x: [1, 2, 3, 4]}))

# define complex formura: 
#   squared_deltas = (W * x + b) - y) * ((W * x + b) - y )
#   loss = SUM(squared_deltas)
y = tf.placeholder(tf.float32)
squared_deltas = tf.square(linear_model - y)
loss = tf.reduce_sum(squared_deltas)  # I don't know why "reduce"?

# calculate each element [1, 2, 3, 4] by squared_deltas 
print(sess.run(squared_deltas, {x: [1, 2, 3, 4], y: [0, -1, -2, -3]}))

# calculate each element [1, 2, 3, 4] by loss
print(sess.run(loss, {x: [1, 2, 3, 4], y: [0, -1, -2, -3]}))

# replace values of W, b 
fixW = tf.assign(W, [-1.0])
fixb = tf.assign(b, [1.0])
sess.run([fixW, fixb]) # reflect the changes
print(sess.run(squared_deltas, {x: [1, 2, 3, 4], y: [0, -1, -2, -3]}))
print(sess.run(loss, {x: [1, 2, 3, 4], y: [0, -1, -2, -3]}))

こちらを実行してみた結果がこちらです。

C:\Users\Taro\TensorFlow>python variable.py
[ 0.          0.30000001  0.60000002  0.90000004]
[ 0.          1.68999982  6.75999928  15.21000099]
23.66
[ 0.  0.  0.  0.]
0.0

ちょっと独特ですが、そんなに難しくなさそうです。次は同じ Core tutorial にある trainAPI について学習してみたいと思います。
（＾＾）／～

ゼロから作るDeep Learning ―Pythonで学ぶディープラーニングの理論と実装

作者: 斎藤康毅
出版社/メーカー: オライリージャパン
発売日: 2016/09/24
メディア: 単行本（ソフトカバー）

TensorFlow機械学習クックブック Pythonベースの活用レシピ60+ (impress top gear)

作者: Nick McClure
出版社/メーカー: インプレス
発売日: 2017/08/14
メディア: 単行本（ソフトカバー）

Machine Learning With Tensorflow

作者: Nishant Shukla
出版社/メーカー: Manning Pubns Co
発売日: 2017/09/30
メディア: ペーパーバック

タグ：Python AI 機械学習 Tensorflow Deep Learning

2017-08-30 23:58 nice!(33) コメント(0)
共通テーマ：趣味・カルチャー

TensorFlow をインストールしてみた！　[AI]

Deep Learning を勉強するために、TensorFlow を遅ればせながらインストールしてみました。

Tensor Flowを動かすには、64bit版 Python が必要なのですが、前回インストールした Python は32bit 版。Pythonをインストールし直しです。バージョンが 3.6 から 3.5 になってしまいますが仕方ありません。

https://www.python.org/downloads/windows/

インストールが終わったら、環境変数にPythonへのパスを通しておきましょう。インストール場所は、Program Filesではないで注意が必要です。

%USERPROFILE%\AppData\Local\Programs\Python\Python35\
%USERPROFILE%\AppData\Local\Programs\Python\Python35\Scripts\

TensorFlow をインストールするのは簡単です。コマンドプロンプトから以下のコマンドを打つだけです。私のノートパソコンはGPUのような大層なものはないので、NonGPU版をインストールします。グラフ描画用の matplotlib もインストールしておきました。

C:\User\Taro>pip3 install tensorflow
C:\User\Taro>pip3 install matplotlib

インストールされているか確認をするために動かしてみます。

C:\Users\Taro>python
Python 3.5.4 (v3.5.4:3f56838, Aug  8 2017, 02:17:05) [MSC v.1900 64 bit (AMD64)] on win32
Type "help", "copyright", "credits" or "license" for more information.
>>> import tensorflow as tf
>>> hello = tf.constant('Hello, TensofFlow')
>>> sess = tf.Session()
2017-08-29 23:51:36.686031: W C:\tf_jenkins\home\workspace\rel-win\M\windows\PY\35\tensorflow\core\platform\cpu_feature_guard.cc:45] The TensorFlow library wasn't compiled to use AVX instructions, but these are available on your machine and could speed up CPU computations.
>>> print(sess.run(hello))
b'Hello, TensofFlow'
>>>

なんか、変なメッセージが出ましたが動いたようです。今のままだと処理速度が遅いようですね。最適化するには、環境変数におまじないを追加するだけでよさそうです。以下のプログラムでメッセージが出なくなりました。

import os
os.environ['TF_CPP_MIN_LOG_LEVEL']='2'
import tensorflow as tf
hello = tf.constant('Hello, TensofFlow')
sess = tf.Session()
print(sess.run(hello))

これで早くなったのかな？スクリプトが短すぎてよく分かりません。

TensorFlow を試してみるには、本家本元のこちらのサイトが一番分かりやすそうです。

Getting Started With TensorFlow
https://www.tensorflow.org/get_started/get_started

さて、環境も整ったので、Deep Learning を学習していこうかな。
（＾＾）／～

ゼロから作るDeep Learning ―Pythonで学ぶディープラーニングの理論と実装

作者: 斎藤康毅
出版社/メーカー: オライリージャパン
発売日: 2016/09/24
メディア: 単行本（ソフトカバー）

TensorFlow機械学習クックブック Pythonベースの活用レシピ60+ (impress top gear)

作者: Nick McClure
出版社/メーカー: インプレス
発売日: 2017/08/14
メディア: 単行本（ソフトカバー）

初めてのディープラーニング --オープンソース"Caffe"による演習付き

作者: 武井宏将
出版社/メーカー: リックテレコム
発売日: 2016/02/19
メディア: 単行本（ソフトカバー）

タグ：Tensorflow Deep Learning 機械学習 AI Python

2017-08-29 23:59 nice!(33) コメント(2)
共通テーマ：趣味・カルチャー

Deep Learning を学ぶために Python をセットアップ　 [AI]

仕事で Deep Learning が必要になり、慌てて勉強をはじめています。同僚から勧められた教材を読み始めました。

教材では Python を使うため、早速PCにインストールしました。（Raspberry Pi では最近なじみになっている Python ですが、PCにはインストールされてませんでした。＾＾；）　教材では Python3 を使っているので、Python 3.6.1 をダウンロードしました。

https://www.python.org/downloads/

インストーラーでインストールするのは簡単です。ただ、コマンドラインから使えるようにするには、プログラムのパスを設定する必要があります。いつも設定に右往左往するので、備忘録を兼ねて手順を書いておきました。

（１）コントロールパネルを開いて、”システムとセキュリティ”を選択します。

（３）システムを選択します。

（４）システムの詳細設定を選択します。

（５）システムプロパティの環境変数を選択。

（６）ユーザー環境変数の"Path"に追加したいディレクトリパスを追加します。

Python3 がインストールされているディレクトリは少し分かり難いところにあります。パスに以下の二つのディレクトリを追加しておけばコマンドラインからも Python を利用できます。

%USERPROFILE%\AppData\Local\Programs\Python\Python36-32
%USERPROFILE%\AppData\Local\Programs\Python\Python36-32\Scripts

次に教材で使うライブラリをインストールします。NumPy という数学用ライブラリと、関数描画用ライブラリ PyPlot をインストールします。

C:\User\Taro>pip install numpy
C:\User\Taro>pip install matplotlib

　

簡単な Python プログラムを作って動作確認をします。

import numpy
import matplotlib.pyplot as pyplot

x = numpy.arange(0, 10, 0.1)
y1 = numpy.sin(x)
y2 = numpy.cos(x)
pyplot.plot(x, y1, label="sin")
pyplot.plot(x, y2, linestyle = "--", label="cos")
pyplot.xlabel("x")
pyplot.ylabel("y")
pyplot.title('sin and cos')
pyplot.legend()
pyplot.show()

コマンドラインから実行してみます。

C:\User\Taro>python sample.py

すると綺麗な正弦関数のグラフが表示されました。

Deep Learning では画像を扱うことが多いので、PyPlot を使った画像表示用のサンプルプログラムもありました。

import matplotlib.pyplot as pyplot
from matplotlib.image import imread

img = imread('eyebrow_look.png')
plt.imshow(img)
plt.show()

画像が表示されました。簡単ですねー。

NumPy や PyPlot の使い方は、教材に詳しく記述されているので、必要な方は参照してください。特に NumPy は行列演算が簡単にできるので、Deep Learning に限らず数値計算には便利なライブラリです。

さて、これで準備ができました。いよいよ Deep Learning を勉強するかー。
σ(´ω｀)

ゼロから作るDeep Learning ―Pythonで学ぶディープラーニングの理論と実装