PythonのKerasでMNISTデータを処理する方法を現役エンジニアが解説【初心者向け】
初心者向けにPythonのKerasでMNISTデータを処理する方法について現役エンジニアが解説しています。MNIST（エムニスト）とは、画像認識やディープラーニングの分野で用いられる手書き数字の画像データセットです。Keras（ケラス）とはディープラーニングを実装するためのライブラリです。
テックアカデミーマガジンは受講者数No.1のプログラミングスクール「テックアカデミー」が運営。初心者向けにプロが解説した記事を公開中。現役エンジニアの方はこちらをご覧ください。 ※ アンケートモニター提供元：GMOリサーチ株式会社 調査期間：2021年8月12日～8月16日 調査対象：2020年8月以降にプログラミングスクールを受講した18～80歳の男女1,000名 調査手法：インターネット調査
PythonのKerasでMNISTデータを処理する方法について、TechAcademyのメンター（現役エンジニア）が実際のコードを使用して、初心者向けに解説します。
Pythonについてそもそもよく分からないという方は、Pythonとは何なのか解説した記事を読むとさらに理解が深まるでしょう。
なお本記事は、TechAcademyのオンラインブートキャンプ、Python講座の内容をもとに紹介しています。
今回は、Pythonに関する内容だね！
どういう内容でしょうか？
PythonのKerasでMNISTデータを処理する方法について詳しく説明していくね！
お願いします！
MNISTとは
MNIST（エムニスト）とは、「画像認識やディープラーニングの分野で使用される最も有名な手書き数字の画像データセット」です。
汎用性が高く、初心者から研究者まで幅広く用いられているのが特徴です。
また、MNISTは画像1枚につき0から9までのいずれかの数字が1つ書かれています。
1枚の画像は26×26ピクセルのモノクロ画像であり、画像は訓練データ60000枚、テストデータ10000枚から構成されています。
訓練データとテストデータは、例えば手書きで7と書かれているデータに対して、7という正解ラベルが付与されている状態です。
訓練データを使って学習を実施し、その学習結果をテストデータで評価するという関係性があります。
Kerasとは
Keras（ケラス）とは、「ディープラーニングのプログラムを簡単に実装するためのライブラリ」です。
Kerasは内部で、TensorFlow（テンソルフロー）といったディープラーニングのためのライブラリを使用しています。
TensorFlowは、上級者向けのライブラリであるため、「学習コストが高い」「実装が困難」といった課題がありました。
そのため、誰でも比較的簡単にディープラーニングを実装できるようにしたものがKerasです。
Kerasを使えば、その内容まで理解せずともディープラーニングを実装することが可能です。
しかし、応用が効きにくいといったデメリットがあることは覚えておきましょう。
Kerasの使い方
AnacondaからKerasを用いる方法を解説していきます。
AnacondaにKerasをインストール手順は以下の通りです。
- メニュー画面のEnvironmentsから、Not Installedを選択。
- 検索ボックスにKerasと入力。
- Kerasを選択し、右下のApplyボタンを押す。
同様の操作でTensorFlowもインストールしておきましょう。
実際に書いてみよう
ここでは、Kerasを使ってMNIST読み込み、簡単なデータの前処理を実施してみます。
今回は以下のようなコードを使用していきましょう。
import numpy as np
from keras.datasets import mnist
from keras.models import Sequential
from keras.layers import Dense, Activation
from keras.utils import np_utils
(X_train, y_train), (X_test, y_test) = mnist.load_data()
#それぞれの形式を確認
print(X_train.shape, y_train.shape)
print(X_test.shape, y_test.shape)
X_train = X_train.reshape(60000, 784)
X_test = X_test.reshape(10000, 784)
#uint8からfloat32に変換
X_train = X_train.astype("float32")
X_test = X_test.astype("float32")
#0~1の範囲に正規化
X_train /= 255
X_test /= 255
#正解ラベルをone-hot表現に変換
Y_train = np_utils.to_categorical(y_train, 10)
Y_test = np_utils.to_categorical(y_test, 10)
mnist.load_data()はMNISTを読み込むために使用します。
そして、shapeではそれぞれのデータの形式を確認し、学習のためにreshapeで形式を整形しました。
正規化のためにデータ型をfloat32に変換し、実際に正規化しています。
正解ラベルはone-hot表現（例えば正解が7の場合、7そのものではなく[0,0,0,0,0,0,0,1,0,0]のように1が入っている場所で7という数値を表す方法）で表しています。
実は私も！？独学で損する人の特徴
「スクールは高いから独学で成功する」という気持ちの方は多いと思います。
もちろんその方が金額は低く抑えられるでしょう。
ただ
独学には向き不向きがあり、実はスクールが向いている人も大勢います。
そんな方のために参考として、
テックアカデミー卒業生がスクールを選んだ理由
をご紹介します。
- ・困って挫折しそうなときに、質問や相談できる相手がいる環境で学んでいきたいなと思った
- ・わかった気になっているだけだったので、自分を追い込む環境に置いた方がいいと感じた
- ・スクールのカリキュラムで市場に求められるスキルを学ぶべきと思った
少しでも当てはまる部分があれば、
スクールが向いているかもしれません。
お試しのつもりで、まずは一度
無料相談
に参加してみませんか？
現役エンジニア・デザイナーに何でも気軽に相談できる30分
を
すべて無料で
できます。
無理な勧誘は一切ない
ので、お気軽にご参加ください。
まとめ
この記事では、KerasでMNISTを扱う方法について解説しました。。
Kerasを使いこなせるようになると、ディープラーニングの開発効率が上がるため、学習していきましょう。
執筆してくれたメンター
| 柴山真沙希（しばやままさき）
大手IT企業などでエンジニアとして2年ほど勤務した後、個人事業主としてプログラミングスクール「エンペサール」を経営。 子供から大人まで幅広い層を対象にプログラミングを教えている。 得意言語はPython, HTML, CSSで、機械学習やデータ分析、スクレイピングなどが得意。 サッカー観戦や読書が趣味である。 |
PythonのKerasでMNISTデータを処理する方法がよく分かったので良かったです！
ゆかりちゃん、今後も分からないことがあったら質問してね！
分かりました。ありがとうございます！
TechAcademyでは、初心者でも、Pythonを使った人工知能（AI）や機械学習の基礎を習得できる、オンラインブートキャンプを開催しています。
また、現役エンジニアから学べる無料体験も実施しているので、参加してみてください。
プログラミングを独学していて、このように感じた経験はないでしょうか？
- ・調べてもほしい情報が見つからない
- ・独学のスキルが実際の業務で通用するのか不安
- ・目標への学習プランがわからず、迷子になりそう
テックアカデミーでは、このような
学習に不安を抱えている方へ、現役エンジニア講師とマンツーマンで相談できる機会を無料で提供
しています。
30分間、オンラインでどんなことでも質問し放題です。
「受けてよかった」と感じていただけるよう
厳しい試験を通過した講師
があなたの相談に真摯に向き合います。
「ただ気になることを相談したい」
「漠然としているがプロの話を聞いてみたい」
こんな気持ちでも大丈夫です。
無理な勧誘は一切ありません
ので、まずはお気軽にご参加ください。
※体験用のカリキュラムも無料で配布いたします。（1週間限定）
