【Udemy感想】画像判定AI自作にチャレンジ!TensorFlow・Keras・Pythonで作る機械学習アプリケーション開発入門

【Udemy感想】画像判定AI自作にチャレンジ!TensorFlow・Keras・Pythonで作る機械学習アプリケーション開発入門

なかぴょん

Udemyにある「【画像判定AI自作にチャレンジ!】TensorFlow・Keras・Pythonで作る機械学習アプリケーション開発入門」を受けてきたよ。
Pythonを使って画像判定AIを制作してみたい方におすすめの講座だよ。

へびにょん

なかぴょんです。

今回はUdemyの講座の1つである、【画像判定AI自作にチャレンジ!】TensorFlow・Keras・Pythonで作る機械学習アプリケーション開発入門を受けてきました。

講義内では、Anaconda, Python 3, TensorFlow, Keras, 画像処理ライブラリ, スクレイピング・クローリングライブラリなどを活用して、画像判定AIを作成します。

導入方法に関しても解説がありますので、Pythonに関して理解が浅い人でも講座を受けることができます。

Pythonを使って画像判定AIを制作してみたい方におすすめの講座です。

それでは、詳しく解説していきます。

注意
2018年2月21日現在、セクション5のPythonで画像判定AIを作成するところまでの内容をUdemyでは公開しております。
スマホアプリ化する説明に関しては現在作成中となっており、2月中には公開されるとのことです。
更新されましたらこちらのブログでもお知らせします。
追記
作成中となっていた3つのセクションが追加されました。
・セクション3 【オプション】TensorFlow GPU版のセットアップ
・セクション7 FlaskでWebアプリ化しよう!
・セクション8 ボーナスセクション
今回のセクションの追加により、Pythonで作成した画像判定AIをスマホアプリ化するところまで一通り学ぶことができるようになりました。

誰向きなのか

【Udemy感想】画像判定AI自作にチャレンジ!TensorFlow・Keras・Pythonで作る機械学習アプリケーション開発入門のおすすめポイント

こんな人におすすめ
・AIや機械学習を実践してみたい方
・オリジナルデータで画像分類器を開発したい方
・TensorFlowとKerasでディープラーニングを実装してみたい方
・画像判定AIをウェブアプリ化したい方
・画像判定AIをスマホアプリ化したい方

何が学べるのか

  • オリジナルデータを使って画像分類器を作れるようになります
  • TensorFlowとKerasを用いたディープラーニング(多層ニューラルネットワーク)を作れます
  • Pythonによるクローリングを用いたデータ収集ができるようになります
  • Pythonによる画像データ加工(サイズ変更や回転)ができるようになります
  • 画像判定AIをウェブアプリ化できます
  • 画像判定AIをスマホアプリ化できます

学ぶ際の事前準備

【Udemy感想】画像判定AI自作にチャレンジ!TensorFlow・Keras・Pythonで作る機械学習アプリケーション開発入門で学習するプログラミング言語

簡単なPC操作ができるレベルであれば、受講に関しては問題ございません。

講義の途中で英語のサイトなどが出てきますが、Google翻訳等の機能を使えば問題なく、理解ができるかと思います。

講座詳細

セクション1 はじめに

コースの進め方に関して説明があります。

コースの流れとしては、大きく分けて以下の3つの内容を学習していきます。

STEP.1
TensorFlow・Kerasライブラリ・Python3を用いて、機械学習アプリケーション開発手順を学ぶ
STEP.2
データの収集、前処理、モデルの定義、機械学習の実行、評価、分類の実行までを実践する
STEP.3
画像分類器の作成と改善テクニックを学ぶ
  • 1. このコースの紹介
  • 2. 学習の進め方

セクション2 環境構築

Anacondaという開発ツールを使って、Pythonの開発環境の構築を行います。

すでにPythonの開発環境を整えていて、Pythonおよび、TensorFlowをインストール済みの方はこのセクションを飛ばしていただいて問題ないです。

  • 3. Python 3のインストール(Anaconda最新版のインストール)
  • 4. TensorFlow(CPU版)のインストール

セクション3 【オプション】TensorFlow GPU版のセットアップ

※NVIDIA製GPU搭載マシンを使用している方のみご覧ください。非搭載の方は飛ばしていただいて問題ないです。

  • 5. CUDA 9.0のダウンロード
  • 6. CUDA 9.0のインストール
  • 7. cuDNN 7.0のダウンロード・インストール
  • 8. TensorFlow 1.6.0 GPU版のインストール

セクション4 画像分類AI自作にチャレンジ

  • 9. アプリの概要
  • 10. データを集めよう
  • 11. FlickrのAPIキーを取得しよう
  • 12. Flickrapiパッケージをインストールしよう
  • 13. コードからFlickrAPIにアクセスしてみよう
  • 14. (オプション)AtomのPython関連プラグインの追加
  • 15. データをダウンロードして保存しよう
  • 16. 不要なデータを削除しよう
  • 17. 画像データをNumPy配列形式に変換しよう
  • 18. 生成した配列データをチェックしよう
  • 19. データを交差検証用に分割しよう
  • 20. トレーニングを実行するコードを作成しよう
  • 21. モデルを定義しよう
  • 22. トレーニングの関数を完成させよう
  • 23. テストを行う関数を完成させよう
  • 24. 学習とテストを実行しよう
  • 25. コードの最適化とセクションのまとめ
  • 26. セクションのソースコード
  • 27. 課題:オリジナルの分類器を作ろう

セクション5 データの工夫による精度向上にチャレンジしてみよう

自作した画像分類AIの精度を高める方法について紹介があります。

紹介される精度向上のアイデアは以下の3つです。

POINT.1
学習データ量の増やす
POINT.2
ハイパーパラメーター・アルゴリズムの最適化
POINT.3
学習モデルの見直し(層・セルの数など)
MEMO
ハイパーパラメーターとは、事前確率を決めるパラメーター(コンピューターで、プログラムを実行するために設定する指示内容)や確率モデル全体に影響を与えるパラメーターのことを指しています。そのため、ハイパーパラメーターを最適な値にできれば、AIの精度が高くなります。
  • 28. このセクションの概要
  • 29. データを増量しよう
  • 30. 増幅したデータで学習してみよう(差し替え版収録中)
  • 31. データを増幅するコードの修正
  • 32. 課題:データの増幅

セクション6 推定プログラムを作成しよう

コマンドラインから、画像ファイルを与えて推定するプログラムの作成を行います。

作成したプログラムに既存モデルを読み込ませた後、読み込んだモデルを使って推定を実行するまでの過程を紹介しています。

  • 33. このセクションの概要
  • 34. モデルを定義・ロードする関数を定義しよう
  • 35. 推定処理を追加して、推定を実行してみよう
  • 36. 課題:推定プログラムの作成

セクション7 FlaskでWebアプリ化しよう!

コマンドラインアプリをWebアプリケーション化したい場合は、WAF(Web Application Framework)を使用する方法が主流となっています。

このセクションでは、PythonをWebアプリケーション化する際に使用されているWAF「Flask」について解説があります。

Flaskを活用できるようになることで、自分が作成したPythonのコードをWebアプリにすることができるようになります。

Flaskをすでにインストールされている方は、インストールの項目は飛ばしていただいても問題ございません。

  • 37. このセクションの概要
  • 38. Flaskのインストール
  • 39. FlaskでHello World! を表示してみよう!
  • 40. ファイルをアップロードするコードを書こう(1/2)
  • 41. ファイルをアップロードするコードを書こう(2/2)
  • 42. ファイルアップロードのソースコード
  • 43. ファイルをアップロードしてみよう
  • 44. 画像の識別を実行してみよう

セクション8 ボーナスセクション

ディープラーニングを実践するにはNVIDIA製のGPU搭載PCがあると、大幅に時間が短縮できます。

このセクションでは、講座を担当している先生が実際に使用しているGPU搭載のデスクトップPCと、ラップトップPCをご紹介してくれています。

ディープラーニングを行う上で、どんなPCが良いのか知りたい方はこちらのセクションもご覧ください。

すでにGPUが搭載されているマシンを使用している方はTensorFlowのGPU版を、非搭載の方はCPU版をインストールしてください。

また、現在TensorFlow 1.5ではMacでのGPU使用はサポートされていません。Windows 10、またはUbuntuが必要となっています。

  • 45. GPU搭載のおすすめPCや、グラフィックスボード情報

まとめ

今回はUdemyの講座の1つである、【画像判定AI自作にチャレンジ!】TensorFlow・Keras・Pythonで作る機械学習アプリケーション開発入門についてご紹介しました。

Pythonを使った画像データの収集から収集したデータを加工法まで学ぶことができました。

処理データを用いたディープラーニングの実行だけでなく、精度を向上させるためのデータの改善についても知ることができたので良かったです。

今回紹介した講座以外にも僕が受けた講座はいくつかあるので、興味がある方はこちらの記事をご覧ください。

※ただいま作成中途中のため、一部デザインが崩れて見ずらくなっております。完成まで少々おまちください。

なかぴょんに受けてほしい学習サービスのリクエスト等ございましたら、
お問い合わせにてお伝えください。

リクエストをいただいた講座は受け終わった後で記事にします。

なかぴょん

リクエストお待ちしております(^^)

それでは、またー

コメントを残す

メールアドレスが公開されることはありません。 * が付いている欄は必須項目です