Python

タイタニックデータセットは、TensorFlowとEstimatorを組み合わせることで検査できます。具体的には、データセットの特徴量（フィーチャー）を反復処理してリスト形式に変換し、その結果をコンソールに表示します。 関連記事： TensorFlowとは何か？KerasとTensorFlowを連携させてニューラルネットワークを構築する方法 本記事では、KerasのSequential APIを使用します。これは、各層がちょうど1つの入力テンソルと1つの出力テンソルを持つ、シンプルな層のスタックで構成される逐次モデルを構築するのに適したAPIです。 また、Google Colaboratory

TensorFlowはブーストツリー（Boosted Trees）と組み合わせて使用することで、データセットに対する予測性能を向上させることができます。データの読み込みや前処理は通常どおり行いますが、予測の段階では複数のモデルを使って予測を実行し、それらすべての出力を統合して最終的な結果を導き出すのが特徴です。関連記事TensorFlowとは何か？KerasがTensorFlowと連携してニューラルネットワークを構築する仕組みについても、あわせてご覧ください。本記事では、KerasのSequential APIを使用します。このAPIは、各レイヤーが1つの入力テンソルと1つの出力テンソルを持つ

TensorFlowと事前学習済みモデルを組み合わせることで、matplotlibライブラリを使用してデータを簡単に可視化できます。グラフの描画には「plot」メソッドを使い、学習の進捗や精度の推移をコンソール上で確認できます。関連記事： TensorFlowとは何か？KerasがTensorFlowと連携してニューラルネットワークを構築する仕組み転移学習（Transfer Learning）の基本少なくとも1つの畳み込み層（Convolutional Layer）を含むニューラルネットワークは、畳み込みニューラルネットワーク（CNN）と呼ばれ、学習モデルの構築に広く活用されています。本記事で

TensorFlowでは、事前学習済みモデルと組み合わせることで、「evaluate」メソッドと「predict」メソッドを使用してデータの評価や予測を簡単に行うことができます。入力画像のバッチはまずフラット化（一次元化）され、モデルの出力にはシグモイド関数が適用され、ロジット値が返されます。転移学習の基本概念少なくとも1つの畳み込み層（Convolutional Layer）を含むニューラルネットワークは、畳み込みニューラルネットワーク（CNN）と呼ばれ、学習モデルの構築に広く活用されています。本記事では、事前学習済みネットワークからの転移学習（Transfer Learning）を利用して

TensorFlowでは、get_fileメソッドを使うことで、単一の画像を簡単にダウンロードできます。Googleが公開しているAPIでホストされている画像URLを引数として渡すことで、現在の実行環境にデータセットを取得することが可能です。前提知識：畳み込みニューラルネットワーク（CNN）とは少なくとも1つの畳み込み層（Convolutional Layer）を含むニューラルネットワークは、畳み込みニューラルネットワーク（CNN）と呼ばれます。CNNを活用することで、画像認識などの高度な学習モデルを構築できます。Google Colaboratoryについて本記事のコードはGoogle Co

TensorFlowでは、画像をNumPy配列に変換することでバッチ次元を追加し、その画像をモデルに渡すことができます。 関連記事: TensorFlowとは何か？KerasはどのようにTensorFlowと連携してニューラルネットワークを構築するのか？ 少なくとも1つの畳み込み層（コンボリューション層）を含むニューラルネットワークは「畳み込みニューラルネットワーク（CNN）」と呼ばれます。CNNを活用することで、画像認識などの高度な学習モデルを構築できます。 以下のコードはGoogle Colaboratory上で実行しています。Google Colab（Colaboratory）はブラウ

TensorFlowでは、画像をNumPy配列に変換することで、モデルが出力した予測結果をデコード（人間が読める形式への変換）できます。本記事では、TensorFlow Hubの事前学習済みモデルを使った画像分類の予測結果をデコードする手順を解説します。前提知識：TensorFlow・Keras・CNNとは少なくとも1つの畳み込み層（Convolutional Layer）を含むニューラルネットワークは、畳み込みニューラルネットワーク（CNN）と呼ばれます。CNNを活用することで、画像認識タスクに適した学習モデルを構築できます。また、KerasはTensorFlowと組み合わせることで、直感的

TensorFlowの「image_dataset_from_directory」メソッドを使用すると、花のデータセットをディスクから読み込み、モデル化することができます。関連記事：TensorFlowとは何か？KerasはTensorFlowとどのように連携してニューラルネットワークを構築するのか？少なくとも1つの畳み込み層（convolutional layer）を含むニューラルネットワークは、畳み込みニューラルネットワーク（CNN）と呼ばれます。CNNを利用することで、画像認識向けの学習モデルを効率的に構築できます。画像分類における転移学習（Transfer Learning）の基本的な

TensorFlowを使えば、正規化レイヤーを簡単に構築できます。手順としては、まずクラス名をNumPy配列に変換し、次にtf.keras.layers.experimental.preprocessingパッケージに含まれる「Rescaling」メソッドを使用して正規化レイヤーを作成します。 畳み込みニューラルネットワークと転移学習の基礎 少なくとも1つの層を含むニューラルネットワークには畳み込み層が使われており、畳み込みニューラルネットワーク（CNN）を利用することで学習モデルを構築できます。 画像分類における転移学習の直感的な考え方は、「大規模で汎用的なデータセットで訓練されたモデルは、

TensorFlowでは、buffered prefetching（バッファ付きプリフェッチ）を活用することで特徴抽出器（feature extractor）を作成できます。具体的には、trainable=False を設定することがポイントです。転移学習の基本概念少なくとも1つの畳み込み層を含むニューラルネットワークは「畳み込みニューラルネットワーク（CNN）」と呼ばれ、CNNを用いることで学習モデルを構築できます。画像分類における転移学習の直感的な考え方は次のとおりです。大規模かつ汎用的なデータセットで訓練されたモデルは、視覚世界における汎用モデルとして効果的に機能できます。このようなモデ

TensorFlowでは、「matplotlib」ライブラリの「imshow」メソッドを使ってImageNetによる予測結果を可視化することで、予測を簡単に確認できます。本記事では、その具体的な手順と背景となる概念について解説します。 畳み込みニューラルネットワーク（CNN）とは 少なくとも1つの畳み込み層（Convolutional Layer）を含むニューラルネットワークは、畳み込みニューラルネットワーク（CNN）と呼ばれます。CNNを活用することで、画像認識に強い高性能な学習モデルを構築することが可能です。 転移学習の基本的な考え方 画像分類における転移学習（Transfer Le

TensorFlowでは、あらかじめ定義された特徴抽出用モデル（feature extractor）を「KerasLayer」メソッドに渡すことで、事前学習済みモデルを活用した特徴抽出が可能です。転移学習の基本的な考え方少なくとも1つの畳み込み層（convolutional layer）を含むニューラルネットワークは、畳み込みニューラルネットワーク（CNN）と呼ばれ、学習モデルの構築に広く利用されています。画像分類における転移学習の直感的な考え方は次のとおりです。大規模かつ汎用的なデータセットで学習されたモデルは、視覚世界における汎用的なモデルとして効果的に機能できます。このようなモデルはすで

TensorFlowでは、事前に定義した特徴抽出モデル（feature extractor）を活用し、Dense層を持つSequentialモデルを構築することで、分類ヘッド（classification head）を簡単に追加できます。前提知識：転移学習とは少なくとも1つの畳み込み層（Convolutional Layer）を含むニューラルネットワークは「畳み込みニューラルネットワーク（CNN）」と呼ばれ、画像認識などの学習モデル構築に広く利用されています。画像分類における転移学習の基本的な考え方は、「大規模で汎用的なデータセットで学習済みのモデルは、視覚世界における汎用モデルとして効果的に

TensorFlowでは、「fit」メソッドを使用することで、データをモデルに適合させることができます。本記事では、転移学習を活用した画像分類モデルの構築を例に、fitメソッドの基本的な使い方を解説します。転移学習とは何か少なくとも1つの畳み込み層（Convolutional Layer）を含むニューラルネットワークは、畳み込みニューラルネットワーク（CNN）と呼ばれ、学習モデルの構築に広く活用されています。画像分類における転移学習（Transfer Learning）の考え方は、「大規模で汎用的なデータセットで学習済みのモデルは、視覚世界における汎用モデルとして効果的に機能する」というもので

TensorFlowでは、matplotlibライブラリのplotメソッドを活用することで、トレーニングの進行に伴う損失（Loss）の変化を簡単にグラフとして可視化できます。畳み込みニューラルネットワーク（CNN）とは少なくとも1つの畳み込み層（Convolutional Layer）を含むニューラルネットワークは、畳み込みニューラルネットワーク（CNN）と呼ばれます。CNNを利用することで、画像認識などに適した学習モデルを構築できます。転移学習の基本的な考え方画像分類における転移学習（Transfer Learning）の直感的な考え方は次のとおりです。大規模かつ汎用的なデータセットで学習済

TensorFlowでは、「predict」メソッドとNumPyパッケージに含まれる「argmax」メソッドを組み合わせることで、モデルの予測結果を簡単に確認できます。TensorFlowと転移学習の基礎知識少なくとも1つの畳み込み層（Convolutional Layer）を含むニューラルネットワークは、畳み込みニューラルネットワーク（CNN）と呼ばれます。CNNを活用することで、高精度な画像認識などの学習モデルを構築できます。画像分類における転移学習（Transfer Learning）の基本的な考え方は、「大規模で汎用的なデータセットで訓練されたモデルは、視覚世界における汎用モデルとして

TensorFlowで得られた結果を可視化（プロット）するには、Pythonの定番グラフ描画ライブラリ「matplotlib」と、その imshow メソッドを使用します。本記事では、TensorFlow Hubから取得した事前学習済みモデルによる画像分類の予測結果を、matplotlibでグリッド状に一覧表示する手順をわかりやすく解説します。 畳み込みニューラルネットワーク（CNN）とは 少なくとも1つの畳み込み層（Convolutional Layer）を含むニューラルネットワークは「畳み込みニューラルネットワーク（CNN）」と呼ばれます。CNNを活用することで、画像認識タスクに強い高精

TensorFlowでは、tf.keras.Modelを継承したクラスを定義することで、独自のレイヤーやブロックを作成し、それらを組み合わせてニューラルネットワークを構築できます。本記事では、ResNetで使われる「残差ブロック（ResnetIdentityBlock）」を例に、カスタムレイヤーの作成方法を解説します。前提知識少なくとも1つの畳み込み層（Convolutional Layer）を含むニューラルネットワークは「畳み込みニューラルネットワーク（CNN）」と呼ばれ、画像認識などの学習モデルの構築に広く利用されています。また、TensorFlow Hubは事前学習済みのTensorFl

この記事では、「products.csv」ファイルを読み込んだうえで、全体の行数・列数を確認し、先頭10行の中から「product」列の値が「Car」に一致するレコードだけを抽出して出力する方法を解説します。 前提となるデータ 今回使用する「products.csv」は、全100行・8列のデータセットです。先頭10行には「product」列が「Car」になっているレコードが複数含まれており、期待される出力は以下のようになります。 Rows: 100 Columns: 8 id product engine avgmileage price height_mm width_mm p

TensorFlowとは何かTensorFlowは、Googleが提供する機械学習フレームワークです。オープンソースとして公開されており、Pythonと組み合わせて使用することで、各種アルゴリズムやディープラーニングアプリケーションの実装など、幅広い用途に活用できます。TensorFlowは研究開発から本番環境（プロダクション）まで幅広く利用されており、複雑な数値計算を高速に処理するための最適化技術を備えています。これは内部でNumPyおよび多次元配列を使用しているためです。この多次元配列は「テンソル（tensor）」とも呼ばれます。TensorFlowは深層ニューラルネットワーク（DNN）の