kawashimaken · April 19, 2019 14:08 · Apr 19, 2019 · Apr 19, 2019
diff --git a/tensorflow_simplest_neural_network_program.py b/tensorflow_simplest_neural_network_program.py
@@ -6,7 +6,7 @@
 
 # データセットをロードする
 # アンパックして、それぞれtraine_dataとtest_dataに格納
-# train_Data:60000個、test_data:10000個
+# train_data:60000個、test_data:10000個
 (train_data, train_teacher_labels), (test_data, test_teacher_labels) = mnist.load_data()
 
 # 正則化

diff --git a/tensorflow_simplest_neural_network_program.py b/tensorflow_simplest_neural_network_program.py
@@ -0,0 +1,41 @@
+from __future__ import absolute_import, division, print_function, unicode_literals
+import tensorflow as tf
+
+# MNISTのデータセットを使う
+mnist = tf.keras.datasets.mnist
+
+# データセットをロードする
+# アンパックして、それぞれtraine_dataとtest_dataに格納
+# train_Data:60000個、test_data:10000個
+(train_data, train_teacher_labels), (test_data, test_teacher_labels) = mnist.load_data()
+
+# 正則化
+# 0-1の間に分布するように変換
+train_data, test_data = train_data / 255.0, test_data / 255.0
+
+# シーケンシャルモデル定義
+# 入力層ニューロン数：28x28個
+# 中間層ニューロン数：512個、ReLu活性化関数
+# ドロップアウト層
+# 出力層ニューロン数：10個、ソフトマックス活性化関数、確率へ変換してくれる
+model = tf.keras.models.Sequential([
+  tf.keras.layers.Flatten(input_shape=(28, 28)),
+  tf.keras.layers.Dense(512, activation=tf.nn.relu),
+  tf.keras.layers.Dropout(0.2),
+  tf.keras.layers.Dense(10, activation=tf.nn.softmax)
+])
+
+# モデルのセットアップ
+# 最適化アルゴリズム：Adam
+# 損失関数：sparse_categorical_crossentropy
+# 評価関数：accuracy
+model.compile(optimizer='adam',
+              loss='sparse_categorical_crossentropy',
+              metrics=['accuracy'])
+
+# 学習
+# エポック5回
+model.fit(train_data, train_teacher_labels, epochs=5)
+
+# 検証
+model.evaluate(test_data, test_teacher_labels)
No results found