Keras に付属のデータセットのうち小画像のデータ

目次

1. 前準備
2. 配列（アレイ）
3. Keras に付属のデータセットのうち画像データ

サイト内の関連Webページ:

• Windows で Python 3 処理系，virtualenv, virtualenvwrapper, Keras, TensorFlow, OpenCV, Dlib その他 Python パッケージと各種ツール (Chocolatey, git, cmake, wget, 7zip など)のインストール
• Windows で、情報工学関係ソフトウエア（データベース，人工知能，プログラミング，その他）をインストール（Chocolatey を一部利用）

  ---

  前準備

  Anaconda のインストール

  前準備として，Python 開発環境のAnaconda のインストールが終わっていること． Windows では Chocholatey のインストールが終わっていること

  • Windows での Anaconda, Chocolatey のインストール手順は、 別の Web ページに記載しています

  • Ubuntu での Anaconda のインストール手順は、 別の Web ページに記載しています

  隔離された Python 環境の作成．Tensorflow, Keras, OpenCV, spyer のインストール

  Windows での 手順は、 「Windows で，隔離された Python 環境 + Keras + TensorFlow + OpenCV + spyder + Dlib 環境を作る（Anaconda を利用）」のページで説明しています．

  以下，Windows での Anaconda をインストール済み, 隔離された Python 環境（名前は ai）に、Tensorflow, Keras, OpenCV, spyder をインストール済みであるものとして説明を続けます．

  ---

  配列（アレイ）

  画像と画素

  
  

  配列（アレイ）の形と次元数

  
  

  実習課題

  1. IPython シェルのコンソールで、Python 環境（名前は keras）を使う

     Windows では、Anacondaに入っている開発環境 spyder を実行し，右下の ipython コンソールを使うのが簡単．

     ※ Windows で、あるPython 環境（名前は aiとする）の spyder を使いたいとき：

     • Windows のスタートメニューに「spyder (ai)」が増えるので、それを使う。あるいは
     • コマンドプロンプトで「activate ai」を実行したあとに「spyder」

  2. 次の Python プログラムを実行しなさい

     import numpy as np 
     a = np.array([8,5,4,1,3])
     print( a.shape )
     print( a.ndim )
     print(a)
     x = np.array([[1,2,3,4], [10,20,30,40], [100,200,300,400]])
     print( x.shape )
     print( x.ndim )
     print(x)
     

     

  ---

  Keras に付属のデータセットのうち画像データ

  データセットとは、「データの集まり」のこと．

  keras に付属のデータセットを取得するときのオプションについては， https://keras.io/ja/datasets/(日本語版), https://keras.io/datasets/(英語版) に説明されている．

  ここでの、オブジェクトの名前付けのルール

  • train: 学習
  • test: テスト（当然，学習用データをテスト用データに使いまわすことはない）
  • X: 配列データ
  • y: ラベルデータ（整数値になっているのがふつう）

  CIFAR10

  「Python 処理系」で次を実行．（Anacondaに入っている開発環境 spyder を実行し，右下の ipython コンソールを使うのが簡単．）

  from keras.datasets import cifar10
  (X_train, y_train), (X_test, y_test) = cifar10.load_data()
  

  

  配列のサイズ確認

  print( X_train.shape )
  print( y_train.shape )
  print( X_test.shape )
  print( y_test.shape )
  

  

  X_train の先頭要素の表示（確認のため）

  import matplotlib.pyplot as plt
  plt.imshow( X_train[0] )
  

  

  実習課題

  CIFAR10データセットのうち学習用の配列データについて，配列の形，次元数，最初の画像の中身を，次のプログラムで確認しなさい

  from keras.datasets import cifar10
  (X_train, y_train), (X_test, y_test) = cifar10.load_data()
  print( X_train.shape )
  print( X_train.ndim )
  import matplotlib.pyplot as plt
  plt.imshow( X_train[0] )
  

  

  CIFAR100

  「Python 処理系」で次を実行．（Anacondaに入っている開発環境 spyder を実行し，右下の ipython コンソールを使うのが簡単．）

  from keras.datasets import cifar100
  (X_train, y_train), (X_test, y_test) = cifar100.load_data(label_mode='fine')
  

  

  配列のサイズ確認

  print( X_train.shape )
  print( y_train.shape )
  print( X_test.shape )
  print( y_test.shape )
  

  

  X_train の先頭要素の表示（確認のため）

  import matplotlib.pyplot as plt
  plt.imshow( X_train[0] )
  

  実習課題

  CIFAR100データセットのうち学習用の配列データについて，配列の形，次元数，最初の画像の中身を，次のプログラムで確認しなさい

  from keras.datasets import cifar100
  (X_train, y_train), (X_test, y_test) = cifar100.load_data(label_mode='fine')
  print( X_train.shape )
  print( X_train.ndim )
  import matplotlib.pyplot as plt
  plt.imshow( X_train[0] )
  

  

  MNIST database of handwritten digits

  「Python 処理系」で次を実行．（Anacondaに入っている開発環境 spyder を実行し，右下の ipython コンソールを使うのが簡単．）

  from keras.datasets import mnist
  (X_train, y_train), (X_test, y_test) = mnist.load_data()
  

  

  配列のサイズ確認

  print( X_train.shape )
  print( y_train.shape )
  print( X_test.shape )
  print( y_test.shape )
  

  

  X_train の先頭要素の表示（確認のため）

  import matplotlib.pyplot as plt
  plt.imshow( X_train[0], cmap='gray' )
  

  

  実習課題

  MNIST データセットのうち学習用の配列データについて，配列の形，次元数，最初の画像の中身を，次のプログラムで確認しなさい

  from keras.datasets import mnist
  (X_train, y_train), (X_test, y_test) = mnist.load_data()
  print( X_train.shape )
  print( X_train.ndim )
  import matplotlib.pyplot as plt
  plt.imshow( X_train[0], cmap='gray' )
  

  

  Fashino MNIST

  「Python 処理系」で次を実行．（Anacondaに入っている開発環境 spyder を実行し，右下の ipython コンソールを使うのが簡単．）

  from keras.datasets import fashion_mnist
  (X_train, y_train), (X_test, y_test) = fashion_mnist.load_data()
  

  

  配列のサイズ確認

  print( X_train.shape )
  print( y_train.shape )
  print( X_test.shape )
  print( y_test.shape )
  

  

  X_train の先頭要素の表示（確認のため）

  import matplotlib.pyplot as plt
  plt.imshow( X_train[0], cmap='gray' )
  

  

  実習課題

  Fashion MNIST データセットのうち学習用の配列データについて，配列の形，次元数，最初の画像の中身を，次のプログラムで確認しなさい

  from keras.datasets import fashion_mnist
  (X_train, y_train), (X_test, y_test) = fashion_mnist.load_data()
  print( X_train.shape )
  print( X_train.ndim )
  import matplotlib.pyplot as plt
  plt.imshow( X_train[0], cmap='gray' )