CIFAR10 AlexNet Keras Keras TensorFlow, Keras
機械学習ディープラーニング・シャローラーニング ベストプラクティス
TensorFlow, Keras, LeNet の教科書
カラー写真のdata setの CIFAR10 を10クラスに分類します。モデルは ILSVRC2012 で1位になった AlexNet を使います。
2012年にILSVRCで,AlexNetが1位になるまでディープラーニングが注目されなかったのは,多くは,サポートベクタSVMに関心があったからです。
近年,ゲーミングPCやビットコインのマイニング用にGPUが発達し,それをディープラーニングへと流用することにより,ディープラーニングが実用的になったのです。
(2023-11-30 Python3.10.9(GPUマシン)で動作確認済み)
構成はパラメータがある層は11層です。Conv, Pool, Dense の他に BatchNormalization が使われています。パラメータ数は,8百万超ですが,accuracy: 0.60 とそれほど良くありません。
入力データは,32x32ピクセルで,trainが50,000点,testが10,000点です。入力データはkeras.datasetsから読み込み,その方法が独特なので注意してください。またけっこう前処理がありますのでコードをみてください。
AlexNetを使った画像分類のディープラーニングにかかった時間は1分ほどでした。LeNet-5(ルネット)と同じで練習用でありあまり実用的ではありません。実用的な画像分類はGPUマシンでも何時間もかかるものだと思ってください。
画像分類以外のデータサイエンスはそれほど時間はかかりませんので安心してください。
下の枠に添付のhtmlファイルは「Jupyter Notebook」の.ipynbファイルをhtml化したものでそれぞれのファイルは左上隅からダウンロードできます。