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
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