ITblog

Tensorflowの使い方(MNISTチュートリアル/Mac)

2016年06月09日

最近AIがいたるところで話題になっているので、Googleが公開している機械学習のツール「Tensorflow」を使ってみました。

ネットで情報を検索しながらやってみましたが、記事が更新されているのかなかなかうまく行かなかったので、やってみて上手くいったやり方を書いてみます。

Tensorflowは、言語がPythonに対応しているということで、Pythonで試してみました。
使用している環境はMac OSXです。
Pythonは2系です。
公式サイトの解説(英語)はこちら

Pythonのバージョンの確認

最初に念のためPythonのバージョンを確認しておきます。
私の場合は2系でしたので、2系ということで進めています。
※ 3系の場合は手順が異なります。

$ python -V
Python 2.7.10

tensorflowのインストール

VirtualenvはPythonの仮想環境を構築するパッケージソフトウェアです。
こちらを導入します。
※ Virtualenv以外にもDockerはAnacondaを使った導入方法などがあるようですが、本記事では割愛します。

pipを使ってインストールします。

$ sudo easy_install pip //pipのインストール
$ sudo pip install –upgrade virtualenv //virtualenvのインストール

仮想環境のディレクトリを作成します。

$ virtualenv –system-site-packages ~/tensorflow

仮想環境をActivateします。

$ source ~/tensorflow/bin/activate # bashを使う場合
$ source ~/tensorflow/bin/activate.csh # cshを使う場合

上記実行後、以下のようにプロンプトが切り替わります。

(tensorflow)$

仮想環境にtensorflowをインストールします。

(tensorflow)$ sudo pip install –upgrade https://storage.googleapis.com/tensorflow/mac/tensorflow-0.9.0rc0-py2-none-any.whl
※ MacOSX、Python2系の場合です。他のOSの場合パスが異なります。

※ 通常のプロンプトに戻す場合は以下で戻すことができます。
(tensorflow)$ deactivate

以上でtensorflowのインストールは完了になります。

tensorflowの動作テスト

tensorflowのインストールが上手くいっているかどうかをチェックします。

$ python
>>> import tensorflow as tf
>>> hello = tf.constant('Hello, TensorFlow!')
>>> sess = tf.Session()
>>> print(sess.run(hello))
Hello, TensorFlow!
>>> a = tf.constant(10)
>>> b = tf.constant(32)
>>> print(sess.run(a + b))
42

コマンドラインで python を実行すると対話形式で実行できますので、上記の通りに記述してみてエラーが起きず、実行結果が上記の通りに返ってくれば問題なく動作しています。

MNISTの動作テスト

MNISTというのは画像認識の機械学習の精度を試すプログラムのようなもので、通常の言語の「Hello World」に相当するレベルのプログラムだそうです。

公式サイトにプログラムの説明は載っていますので詳しい解説はそちらを参考にしてみてください。
記事に断片的なプログラムが掲載されていますが、それらを全て掲載すると以下のプログラムになります。
「mnist.py」など適当なプログラム名をつけて実行します。

from tensorflow.examples.tutorials.mnist import input_data
mnist = input_data.read_data_sets("MNIST_data/", one_hot=True)

import tensorflow as tf

x = tf.placeholder(tf.float32, [None, 784])
W = tf.Variable(tf.zeros([784, 10]))
b = tf.Variable(tf.zeros([10]))

y = tf.nn.softmax(tf.matmul(x, W) + b)

y_ = tf.placeholder(tf.float32, [None, 10])

cross_entropy = tf.reduce_mean(-tf.reduce_sum(y_ * tf.log(y), reduction_indices=[1]))

train_step = tf.train.GradientDescentOptimizer(0.5).minimize(cross_entropy)

init = tf.initialize_all_variables()

sess = tf.Session()
sess.run(init)

for i in range(1000):
  batch_xs, batch_ys = mnist.train.next_batch(100)
  sess.run(train_step, feed_dict={x: batch_xs, y_: batch_ys})

correct_prediction = tf.equal(tf.argmax(y,1), tf.argmax(y_,1))

accuracy = tf.reduce_mean(tf.cast(correct_prediction, tf.float32))

print(sess.run(accuracy, feed_dict={x: mnist.test.images, y_: mnist.test.labels}))

実行すると以下のような結果がかえってきたので問題なく動作しています。
※ 一度目の実行はデータをダウンロードしてくるので少し時間がかかります。

$ python mnist.py
Extracting MNIST_data/train-images-idx3-ubyte.gz
Extracting MNIST_data/train-labels-idx1-ubyte.gz
Extracting MNIST_data/t10k-images-idx3-ubyte.gz
Extracting MNIST_data/t10k-labels-idx1-ubyte.gz
0.9187

コメントを残す

メールアドレスが公開されることはありません。 が付いている欄は必須項目です