TensorFlowで作る一番簡単なニューラルネットワーク

こんな数行のプログラムでニューラルネットワークで機械学習出来てしまうのって
みんなもっと感動した方がいいよ！
笑
本当に人類の知恵の結晶の感じ！#TensorFlow #DeepLearning #深層学習 #機械学習 pic.twitter.com/BuVU07OOsx

— 機械学習・深層学習・Python・Web、IoT (@kokensha_tech) April 19, 2019

ということで公開しました。

二十年前のディープラーニングを研究した人たち、これを見たら、感慨深いだろうなと思います。

数行の背後に、実は数十年この分野の研究者の研究の結晶なんてですよね。先駆者達に感謝です。

解説はコメントをみてください。

100円ですが、購入しなくても全部見れます。

購入するかどうは、気持ちで大丈夫です。

from __future__ import absolute_import, division, print_function, unicode_literals
import tensorflow as tf

# MNISTのデータセットを使う
mnist = tf.keras.datasets.mnist

# データセットをロードする
# アンパックして、それぞれtraine_dataとtest_dataに格納
# train_data:60000個、test_data:10000個
(train_data, train_teacher_labels), (test_data, test_teacher_labels) = mnist.load_data()

# 正則化
# 0-1の間に分布するように変換
train_data, test_data = train_data / 255.0, test_data / 255.0

# シーケンシャルモデル定義
# 入力層ニューロン数：28x28個
# 中間層ニューロン数：512個、ReLu活性化関数
# ドロップアウト層
# 出力層ニューロン数：10個、ソフトマックス活性化関数、確率へ変換してくれる
model = tf.keras.models.Sequential([
  tf.keras.layers.Flatten(input_shape=(28, 28)),
  tf.keras.layers.Dense(512, activation=tf.nn.relu),
  tf.keras.layers.Dropout(0.2),
  tf.keras.layers.Dense(10, activation=tf.nn.softmax)
])

# モデルのセットアップ
# 最適化アルゴリズム：Adam
# 損失関数：sparse_categorical_crossentropy
# 評価関数：accuracy
model.compile(optimizer='adam',
              loss='sparse_categorical_crossentropy',
              metrics=['accuracy'])

# 学習
# エポック5回
model.fit(train_data, train_teacher_labels, epochs=5)

# 検証
model.evaluate(test_data, test_teacher_labels)