トレーニングされたモデルを使用してPythonで別の画像を予測できるように、TensorflowをFashion MNISTデータセットでどのように使用できますか？

Tensorflowは、Googleが提供する機械学習フレームワークです。これは、Pythonと組み合わせて使用​​されるオープンソースのフレームワークであり、アルゴリズム、深層学習アプリケーションなどを実装します。それは研究および生産目的で使用されます。複雑な数学演算をすばやく実行するのに役立つ最適化手法があります。これは、NumPyと多次元配列を使用しているためです。これらの多次元配列は「テンソル」とも呼ばれます。フレームワークは、ディープニューラルネットワークの操作をサポートします。

「tensorflow」パッケージは、以下のコード行を使用してWindowsにインストールできます-

pip install tensorflow

Tensorは、TensorFlowで使用されるデータ構造です。フロー図のエッジを接続するのに役立ちます。このフロー図は「データフローグラフ」と呼ばれます。テンソルは、多次元配列またはリストに他なりません。これらは、3つの主要な属性を使用して識別できます-

ランク −テンソルの次元について説明します。これは、テンソルの順序、または定義されたテンソルの次元数として理解できます。

タイプ −テンソルの要素に関連付けられたデータ型について説明します。 1次元、2次元、またはn次元のテンソルにすることができます。

形 −これは行と列を合わせた数です。

「FashionMNIST」データセットには、さまざまな種類の衣類の画像が含まれています。 10の異なるカテゴリに属する​​7万以上の服のグレースケール画像が含まれています。これらの画像は低解像度（28 x 28ピクセル）です。

以下のコードを実行するためにGoogleColaboratoryを使用しています。 Google ColabまたはColaboratoryは、ブラウザー上でPythonコードを実行するのに役立ち、構成が不要で、GPU（グラフィックプロセッシングユニット）に無料でアクセスできます。 ColaboratoryはJupyterNotebookの上に構築されています。

以下はコードスニペットです-

例

print("An image from the test data is taken")
img = test_images[26]
print("The dimensions of the image are ")
print(img.shape)
print("The image is added to batch where it is the only entity")
img = (np.expand_dims(img,0))
print("The dimensions of the image now ")
print(img.shape)

my_pred = probability_model.predict(img)
print("The prediction made is ")
print(my_pred)

plot_value_array(1, my_pred[0], test_labels)
_ = plt.xticks(range(10), class_names, rotation=45)
np.argmax(my_pred[0])

コードクレジット-https：//www.tensorflow.org/tutorials/keras/classification

出力

An image from the test data is taken
The dimensions of the image are
(28, 28)
The image is added to batch where it is the only entity
The dimensions of the image now
(1, 28, 28)
The prediction made is
[[8.0459216e-07 1.7074371e-09 2.6175227e-02 1.8855806e-07 1.7909618e-01
2.1126857e-06 7.9472500e-01 7.5104166e-11 4.7921480e-07 1.6657851e-10]]
6

説明

• テスト画像のサイズがコンソールに表示されます

• 「expand_dims」は、サンプルのバッチまたはコレクションで同時に機能するように最適化されています。

• 単一の画像もリストの一部として追加されます。

• 予測関数はリストのリストを返します。すべてのリストはバッチデータの画像に対応しています。

• 必要な画像の予測が抽出され、コンソールに表示されます。

• 棒グラフとして「matplotlib」を使用して視覚化されます。