TensorFlowの日本語まとめ

TensorFlowの公式サイトに書かれている英文を英語ど素人が翻訳(日本語訳/和訳)します。 間違いがありましたら、優しく教えていただけますと幸いです。 内容を理解したら、使ってみたい。

2.データの準備

MNISTは、機械学習における古典的な問題です。問題は、0から9までのすべての数字のために手書きの数字グレースケール28x28ピクセル画像を見て、画像表す数字を決定することです

f:id:TensorFlow:20160103005403p:plain

詳細についてはYann LeCunさんの MNISTのページたは Chris Olahさんの MNISTの視覚化を参照してください

 

スポンサーリンク

 

 

ダウンロード

run_training()メソッドの上部にはinput_data.read_data_sets()関数は、正しいデータがローカルのトレーニングフォルダにダウンロードされていることを確認した後、データはDataSetインスタンス辞書を返すように解凍します

data_sets = input_data.read_data_sets(FLAGS.train_dir, FLAGS.fake_data)

fake_data フラグは、ユニットテストのために使用され、安全にリーダーによって無視することができます

 

Dataset目的
data_sets.train 主な訓練のための55000の画像やラベル。
data_sets.validation 訓練精度の反復的検証のための5000の画像やラベル。
data_sets.test 訓練された精度最終テストのための10000の画像やラベル

 

 データの詳細についてはダウンロードのチュートリアルを読んでください。

 

入力とプレースホルダ

placeholder_inputs() 関数は、グラフの残りの部分にbatch_size含む入力の形状定義する2つのtf.placeholder  のOPS作成し、その中に実際の訓練例がフィードされます

images_placeholder = tf.placeholder(tf.float32, shape=(batch_size,IMAGE_PIXELS))
labels_placeholder = tf.placeholder(tf.int32, shape=(batch_size))

さらに下、トレーニングループで、フル画像とラベルのデータセットは、これらのプレースホルダOPSと一致する各ステップのbatch_sizeを、フィットするようにスライスされ、その後、feed_dictパラメータを使用してsess.run()関数に渡されました。

 

(原文サイト)

TensorFlow Mechanics 101