トップページ ▶ データベース研究 ▶ 人工知能による分類 (classification) ▶ TensorFlow データセットの MNIST データセット

サイトマップ

サイト内検索

アクセスログ

金子邦彦研究室

TensorFlow データセットの MNIST データセット

Google Colab へのリンク

このページの内容は，Google Colab でも実行できる．

そのために，次の URL で，Google Colab のノートブックを準備している．

https://colab.research.google.com/drive/1awZ1ex4KbAJ6hw4VfjKwE-kuiNVVHrfJ?usp=sharing

前準備

Google Colab を使うか，パソコンを使う．それぞれの場合の前準備を説明する．

(1) Google Colab を使う場合

1. Google Colab のWebページを開く

   https://colab.research.google.com

   Google Colab はオンラインの Python 開発環境． 使用するには Google アカウントが必要

2. 「ファイル」で、「ノートブックを新規作成」を選ぶ
3. Google アカウントでのログインが求められたときはログインする

(2) パソコンを使う場合

（NVIDIA GPU を使うとき）TensorFlow のバージョンを確認の上，NIDIA CUDA ツールキットとNIDIA cuDNN のバージョンを確認

TensorFlow を使う場合は，必要となる NVIDIA CUDA ツールキット，NVIDIA cuDNN のバージョン確認

TensorFlow は，そのバージョンによって，必要となるNVIDIA CUDA ツールキット，NVIDIA cuDNN のバージョンが違う（最新の NVIDIA CUDA ツールキット，NVIDIA cuDNN で動くというわけでない）． そのことは，https://www.tensorflow.org/install/gpu で確認できる．

そこで， まずは，使用したい TensorFlow のバージョンを確認し，それにより， NVIDIA CUDA ツールキット，NVIDIA cuDNN を確認する．

（NVIDIA GPU を使うとき）NVIDIA グラフィックスドライバ，NVIDIA CUDA ツールキット 11.0 ，NVIDIA cuDNN 8.0.5 のインストール

インストール手順の説明

• Windows での NVIDIA グラフィックスドライバ，NVIDIA CUDA ツールキット 11.0，NVIDIA cuDNN 8.0.5 のインストール: 別ページで説明している．
• Ubuntu での NVIDIA グラフィックスドライバ，NVIDIA CUDA ツールキット 11.0，NVIDIA cuDNN 8.0.5 のインストール: 別ページで説明している．

関連 Web ページ

• NVIDIA グラフィックスドライバのダウンロード用ページ: https://www.nvidia.co.jp/Download/index.aspx?lang=jp
• NVIDIA CUDA ツールキットの URL: https://developer.nvidia.com/cuda-toolkit-archive
• NVIDIA cuDNN のダウンロード用ページ: https://developer.nvidia.com/cudnn

Python のインストール，pip と setuptools の更新，Python 開発環境（JupyterLab, spyder, nteract）のインストール，TensorFlow などのインストール

インストール手順の説明

• Windows での Python 3.8 のインストール，pip と setuptools の更新，Python 開発環境（JupyterLab, spyder, nteract），TensorFlow のインストール: 別ページで説明している．
• Ubuntu の場合：

  端末で，次のコマンドを実行．

  sudo apt -y install python3-dev python3-pip python3-setuptools python3-venv
  sudo pip3 uninstall ptyprocess sniffio terminado tornado jupyterlab jupyter jupyter-console jupytext nteract_on_jupyter spyder
  sudo apt -y install jupyter jupyter-qtconsole spyder3
  sudo apt -y install python3-ptyprocess python3-sniffio python3-terminado python3-tornado
  sudo pip3 install -U jupyterlab nteract_on_jupyter
  sudo pip3 uninstall -y tensorflow tensorflow-cpu tensorflow-gpu tensorflow_datasets tensorflow-hub keras
  sudo pip3 uninstall six wheel astunparse tensorflow-estimator numpy keras-preprocessing absl-py wrapt gast flatbuffers grpcio opt-einsum protobuf termcolor typing-extensions google-pasta h5py tensorboard-plugin-wit markdown werkzeug requests-oauthlib rsa cachetools google-auth google-auth-oauthlib tensorboard tensorflow
  sudo apt -y install python3-six python3-wheel python3-numpy python3-grpcio python3-protobuf python3-termcolor python3-typing-extensions python3-h5py python3-markdown python3-werkzeug python3-requests-oauthlib python3-rsa python3-cachetools python3-google-auth
  sudo apt -y install python3-numpy python3-pil python3-pydot python3-matplotlib python3-keras python3-keras-applications python3-keras-preprocessing
  sudo pip3 install -U tensorflow tf-models-official tensorflow_datasets tensorflow-hub keras keras-tuner keras-visualizer opencv-python
  sudo pip3 install git+https://github.com/tensorflow/docs
  sudo pip3 install git+https://github.com/tensorflow/examples.git
  

  詳細は: 別ページで説明している．

  Ubuntu では，システムの Python を使うことができる（その場合，Python のインストールは行わない）

TensorFlow の MNIST データセット

MNIST データセットのロード

import tensorflow.compat.v2 as tf
import tensorflow_datasets as tfds
tf.enable_v2_behavior()
from tensorflow.keras import backend as K 
K.clear_session()
mnist, mnist_info = tfds.load('mnist', with_info = True, shuffle_files=True, as_supervised=True)

MNIST データセットの確認

• データセットの中の画像を表示

  fig1 = tfds.show_examples(mnist['train'], mnist_info)
  fig2 = tfds.show_examples(mnist['test'], mnist_info)
  
• データセットの情報を表示

  print(mnist_info)
  print(mnist_info.features["label"].num_classes)
  print(mnist_info.features["label"].names)
  
• tf.data.Dataset オブジェクトによるデータセットの生成

  ロード時に「as_supervised=False」としたときは，「image, label = data['image'], data['label']」

  ds_train = mnist['train']
  it = ds_train.cache().shuffle(1000).batch(128).prefetch(tf.data.experimental.AUTOTUNE)
  for data in it.take(1):
      image, label = data[0], data[1]
      print(image)
      print(label)
  

MNIST データセットのデータフレームへの変換

• データセットをデータフレームに変換

  train = tfds.as_dataframe(mnist['train'], mnist_info)
  test = tfds.as_dataframe(mnist['test'], mnist_info)
  print(train)
  print(test)
  
• データフレームの行列と属性数

  行数は len(＜データフレーム＞), 属性数は len(＜データフレーム＞.columns)

  print(len(train))
  print(len(train.columns))
  print(len(test))
  print(len(test.columns))
  
• データセットの先頭 10行をデータフレームに変換

  train = tfds.as_dataframe(mnist['train'].take(10), mnist_info)
  test = tfds.as_dataframe(mnist['test'].take(10), mnist_info)
  print(train)
  print(test)
  
• データフレームの行列と属性数

  行数は len(＜データフレーム＞), 属性数は len(＜データフレーム＞.columns)

  print(len(train))
  print(len(train.columns))
  print(len(test))
  print(len(test.columns))