【ディープラーニング入門】PyTorchのクイックスタートを「あやめの特徴量」でやる

PyTorchは、Pythonで書かれたオープンソースの機械学習ライブラリです。ニューラルネットワークを実装するためのAPIを提供し、ニューラルネットワークを簡単に実装できるように設計されてます。
この記事の目的は2つ

PyTorchチュートリアルのクイックスタートのサンプルを変える。
今回作った学習済みのモデルをStreamlitで作ったWEBアプリに入れ公開してみる。

PyTorchチュートリアルにクイックスタートのサンプルがあります。このサンプルプログラムは画像の分類プログラムです。これを機械学習のプログラムでよく利用される「あやめ」の種類分類に変更するのが1つ目の目的です。プログラムの変更はクイックスタートに対応させていきますのでクイックスタートがより分かりやすくなると思います。
クイックスタートと同じGoogle　Colaboratoryを使います。
最終的にはGoogle　Colaboratoryで学習して完成したモデルを実用化としてScreamlitで運用してみます。これが2つ目の目的。そうすることでより全体像がつかめるのではないかと思います。
またデータセットも入力4個の数字と答え１個の数字の組なので応用もしやすいかと思います。
完成品　あやめの分類
なのでニュートラルネットワークの解説はありません。ただ私が勉強に使ったYoutubeをご紹介しますので、そちらで学習してください。
Streamlitについてはこちらをご覧ください。

機械学習はscikit-learnを使うと、あまり分からなくても実装できます。
仕組みの理解より実用することが目的ならscikit-learnを勉強したほうがいいです。

ディープラーニングの専門家ではなく初学者なので、勘違いしているところがあるかもしれいので、その辺はご了承ください。

ニューラルネットワークとは
内容
あやめ分類アプリ
実測して試した
おすすめYoutube
まとめ

ニューラルネットワークとは

PyTorchのメインになるニューラルネットワークについて私の認識している範囲で簡単に説明すると（あくまで個人的認識で参考程度としてください。）
ニューラルネットワークとは、あるデータセットをニューラルネットワークに入れると分類してくれるもの。ニューラルネットワークは多数のパラメータからできている。出力は、そのパラメータと入力値で決まる。パラメータを決定するために学習用のサンプルデータを入力し対応する答えになるようにパラメータを決定する。その決定する過程がディープラーニング。

内容

ここからはZenn本にしてあるので、こちらをご覧ください。

あやめ分類アプリ

完成品　あやめの分類
本記事で最終的に作ったものです。以下の特徴があります。

Google Colaboratoryで学習させたモデルmodel.pthをScreamlitに持っていって作りました。なのでScreamlit内では学習していません。
Iris Dataset：あやめの全データ150個を試せるようにしています。
用意されたデータではなく任意の特徴量でも試せるようにしました。4個の数字。任意なので正解はありませんので、既存の150個の中の1個を選んで、その特徴量に近い値±1ぐらいを入力すれば、そのあやめと判定されるはずです。
テストデータの正解率は28/30です。

目次へ

実測して試した

アヤメらしき物を見つけたのでノギスで図ってアプリで判別してみました。

測定値は「ガク長さ」,「ガク幅」,「花びら長さ」,「花びら幅」の順で
5.1,4,3.9,1.9
結果は種類予測: "1：versicolor"
しかし見た目からすると0:setosaのような感じです。正解かどうかの確認のしようがありません。幅はいいとしても長さが、どこからなのか分からない。そもそもこれはアヤメなのか？

まとめ

簡単なデータと学習済みのモデルを使ったアプリを作ることでディープラーニングの全体像が見えてくればと思い書きました。実際のあやめを見かけたてノギスで図って実証実験してみたけど予想はできたものの正解がわからなかった。
目次へ

この記事を書いたイチゲを応援する
 Vプリカでのお支払いがおすすめです。

MENTAやってます（ichige）

ニューラルネットワークとは

内容

あやめ分類アプリ

実測して試した

おすすめYoutube

まとめ

コメント