Chollet著 Dogs vs. Cats ConvNets (2) 特徴マップ
Chollet著 Dogs vs. Cats ConvNets (3) データ拡張
Chollet著 Dogs vs. Cats ConvNets (1) ダウンサイズ
ディープラーニング TensorFlow, Kerasのベストプラクティス・教科書

カラー写真のDogs vs. Catsを2値分類します

Chollet著を参考にして，典型的なConvNetsをモデリングしました。dataはKaggleのDogs vs. Catsのdataの一部を抜き出したものです。特徴マップの幅，高さ，深さの算出方法，フィルタのパラメータ数の算出方法を示しました。

次に，少ないdataを水増しするためデータ拡張という手法を使います。画像処理では，データ拡張はほぼ例外なく使われているそうです。

（2023-12-02 Python3.10.9（GPUマシン）で動作確認済み）

Kaggleからdataをdown loadする方法は，下に3番目に添付した【Dogs vs. Cats ConvNets (1) ダウンサイズ】にあります。

directoryの構成

・ best_practice_DogsCats
　　> .ipynbファイル
・ best_practice_DogsCats_data
　　・ cats_and_dogs
　　　　・ test1
　　　　　　> downloadされたjpgファイル（12500）
　　　　・ train
　　　　　　> downloadされたjpgファイル（25000）
　　・ cats_and_dogs_small
　　　　・ test
　　　　　　> cats（500最初は空）
　　　　　　> dogs（500最初は空）
　　　　・ train
　　　　　　> cats（1000最初は空）
　　　　　　> dogs（1000最初は空）
　　　　・ validation
　　　　　　> cats（500最初は空）
　　　　　　> dogs（500最初は空）

---

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。

◆◆ダウンロードできる ipynb ファイルの構成◆◆

・Chollet_DogsCats_ConvNets_0.ipynb
　　・オリジナルのdownloadファイルで英語版。これはrunできるか不明
　　・以下はGoogle Chromeで翻訳したもので3つに分割しrunできるようにした
・Chollet_DogsCats_ConvNets_1.ipynb
　　・オリジナルdataをダウンサイズする
・Chollet_DogsCats_ConvNets_2.ipynb
　　・典型的なConvNetsで学習する，時間はGPUで30分ほど
・Chollet_DogsCats_ConvNets_3.ipynb
　　・データ拡張を行いdataを水増しする，時間はGPUで30分ほど

Chollet_DogsCats_ConvNets_2.ipynb on Python3 on Jupyter Notebook on GPU

Chollet_DogsCats_ConvNets_3.ipynb on Python3 on Jupyter Notebook on GPU

Chollet_DogsCats_ConvNets_1.ipynb on Python3 on Jupyter Notebook on GPU