【前編】自作の誤差逆伝播学習法で手書き数字を認識させてみよう！【機械学習】

1    def load_optdigits(self):
2        train = open('OptDigits/optdigits.tra', 'r')  # 訓練データ
3        test = open('OptDigits/optdigits.tes', 'r')  # テストデータ
4
5        # 訓練データ
6        lines = train.read().split()
7
8        # データをランダムにシャッフル
9        random.shuffle(lines)
10
11        dataset = ([])
12        for line in lines:
13            pattern = line.split(',')
14            dataset.append(pattern)
15        train.close()
16
17        for pat in dataset:
18            # 入力は[0,1]に正規化する
19            self.patterns.append(list(map(lambda x: float(x)*(1.0/16.0), pat[0:-1])))
20
21            # OptDigitsは最後にラベル[0,1,2,...,9]がある
22            self.labels.append(int(pat[-1]))
23
24        # テストデータ
25        lines = test.read().split()
26
27        # データをレンダムにシャッフル
28        random.shuffle(lines)
29
30        dataset = ([])
31        for line in lines:
32            pattern = line.split(',')
33            dataset.append(pattern)
34        test.close()
35
36        for pat in dataset:
37            self.test_patterns.append(list(map(lambda x: float(x)*(1.0/16.0), pat[0:-1])))
38
39            # OptDigitsは最後にラベル[0,1,2,...,9]がある
40            self.test_labels.append(int(pat[-1]))

1from PIL import Image, ImageOps

1    def prop_my_digits(self, img_path):
2        """
3        自分で作った画像をネットワークに流して出力を得る関数。
4        :param img_path:
5        :return:
6        """
7        img = Image.open(img_path).convert('L')  # グレースケールで画像を読み込む
8        resized_img = img.resize((8, 8))  # 画像リサイズ
9        input_img = ImageOps.invert(resized_img)  # ネガポジ(白黒)反転
10        array = np.array(input_img) * (1.0/255.0)  # [0,1]に変換
11
12        input_pattern = ([])
13        for h in array:
14            for w in h:
15                input_pattern.append(w)  # 1次元の配列に変換
16        ans = np.array(self.forward(input_pattern)).argmax()  # 出力値の大きいニューロンのインデックスを取得
17        print(img_path + ' is ', ans)  # ネットワークの識別結果を出力

1#  teacher = ([0.1, 0.1, 0.1])
2teacher = [0.1] * 10  # 10クラス分の教師ニューロンを作成

1    # 関数名を変更
2    def validate(self):
3        """
4        訓練精度を計算
5        :return: accuracy (%)
6        """
7        correct = 0
8        for p in range(len(self.patterns)):
9            self.forward(self.patterns[p])
10            max = 0
11            ans = -1
12            # 一番出力値の高いニューロンを取ってくる
13            for o, out in enumerate(self.outputs[len(self.layers)-1]):
14                if max < out:
15                    max = out
16                    ans = o
17            # もしそのニューロンの番号とラベルの番号があっていれば正解！
18            if ans == self.labels[p]:
19                correct += 1
20
21        accuracy = correct / len(self.patterns) * 100
22        return accuracy
23
24    # New!
25    def test(self):
26        """
27        テスト精度を計算
28        :return: accuracy (%)
29        """
30        correct = 0
31        for p in range(len(self.test_patterns)):  # テストパターン
32            self.forward(self.test_patterns[p])
33            max = 0
34            ans = -1
35            # 一番出力値の高いニューロンを取ってくる
36            for o, out in enumerate(self.outputs[len(self.layers)-1]):
37                if max < out:
38                    max = out
39                    ans = o
40            # もしそのニューロンの番号とラベルの番号があっていれば正解！
41            if ans == self.test_labels[p]:
42                correct += 1
43
44        accuracy = correct / len(self.patterns) * 100
45        return accuracy