再び、Get Started with TensorFlowに戻って、EstimatorとTensorBoardに触ってみました。Estimatorは機械学習プログラミングを大幅に簡素化する高レベルのTensorFlow APIで、「トレーニング」、「評価」、「予測」、「配信のためのエクスポート」のアクションをカプセル化します。¶

TensorBoardは、TensorFlowの可視化環境で、TensorFlowに付属しています。

題材は、Build a Convolutional Neural Network using Estimatorsです。データとして、mnist = tf.contrib.learn.datasets.load_dataset("mnist")を使用していますので、色々比較できるかもです。自分に分かり易いように、コメント追加しています。また、多少の変更も入っています。

from __future__ import absolute_import
from __future__ import division
from __future__ import print_function

# Imports
import numpy as np
import tensorflow as tf

tf.logging.set_verbosity(tf.logging.INFO)

# Our application logic will be added here
def cnn_model_fn(features, labels, mode):
  """Model function for CNN."""
  # Input Layer
  input_layer = tf.reshape(features["x"], [-1, 28, 28, 1])

  # 入力画像をTensorBoardに出してみる。
  tf.summary.image('input', input_layer, 10) # 入力画像をTensorBoardに出してみる。

  # Convolutional Layer #1
  conv1 = tf.layers.conv2d(
      inputs=input_layer,
      filters=32,
      kernel_size=[5, 5],
      padding="same",
      activation=tf.nn.relu)

  # Pooling Layer #1
  pool1 = tf.layers.max_pooling2d(inputs=conv1, pool_size=[2, 2], strides=2)

  # Convolutional Layer #2 and Pooling Layer #2
  conv2 = tf.layers.conv2d(
      inputs=pool1,
      filters=64,
      kernel_size=[5, 5],
      padding="same",
      activation=tf.nn.relu)
  pool2 = tf.layers.max_pooling2d(inputs=conv2, pool_size=[2, 2], strides=2)

  # Dense Layer
  pool2_flat = tf.reshape(pool2, [-1, 7 * 7 * 64])
  dense = tf.layers.dense(inputs=pool2_flat, units=1024, activation=tf.nn.relu)
  dropout = tf.layers.dropout(
      inputs=dense, rate=0.4, training=mode == tf.estimator.ModeKeys.TRAIN)

  # Logits Layer
  logits = tf.layers.dense(inputs=dropout, units=10)

  predictions = {
      # Generate predictions (for PREDICT and EVAL mode)
      "classes": tf.argmax(input=logits, axis=1),
      # Add `softmax_tensor` to the graph. It is used for PREDICT and by the
      # `logging_hook`.
      "probabilities": tf.nn.softmax(logits, name="softmax_tensor")
  }

  if mode == tf.estimator.ModeKeys.PREDICT:
    return tf.estimator.EstimatorSpec(mode=mode, predictions=predictions)

  # Calculate Loss (for both TRAIN and EVAL modes)
  loss = tf.losses.sparse_softmax_cross_entropy(labels=labels, logits=logits)

  # Configure the Training Op (for TRAIN mode)
  if mode == tf.estimator.ModeKeys.TRAIN:
    optimizer = tf.train.GradientDescentOptimizer(learning_rate=0.001)
    train_op = optimizer.minimize(
        loss=loss,
        global_step=tf.train.get_global_step())
    return tf.estimator.EstimatorSpec(mode=mode, loss=loss, train_op=train_op)

  # Add evaluation metrics (for EVAL mode)
  eval_metric_ops = {
      "accuracy": tf.metrics.accuracy(
          labels=labels, predictions=predictions["classes"])}
  return tf.estimator.EstimatorSpec(
      mode=mode, loss=loss, eval_metric_ops=eval_metric_ops)

def main(unused_argv):
  # Load training and eval data
  mnist = tf.contrib.learn.datasets.load_dataset("mnist")
  train_data = mnist.train.images # Returns np.array
  train_labels = np.asarray(mnist.train.labels, dtype=np.int32)
  eval_data = mnist.test.images # Returns np.array
  eval_labels = np.asarray(mnist.test.labels, dtype=np.int32)
  # Create the Estimator
  mnist_classifier = tf.estimator.Estimator(
    model_fn=cnn_model_fn, model_dir="/tmp/mnist_convnet_model") # tensorboard --logdir=/tmp/mnist_convnet_model
                                                                 # http://localhost:6006
    
  # Set up logging for predictions
  tensors_to_log = {"probabilities": "softmax_tensor"}
  logging_hook = tf.train.LoggingTensorHook(
    tensors=tensors_to_log, every_n_iter=50)
  # Train the model
  train_input_fn = tf.estimator.inputs.numpy_input_fn(
    x={"x": train_data},
    y=train_labels,
    batch_size=100,
    num_epochs=None,
    shuffle=True)
  mnist_classifier.train(
    input_fn=train_input_fn,
    steps=20000,
    hooks=[logging_hook])
  # Evaluate the model and print results
  eval_input_fn = tf.estimator.inputs.numpy_input_fn(
    x={"x": eval_data},
    y=eval_labels,
    num_epochs=1,
    shuffle=False)
  eval_results = mnist_classifier.evaluate(input_fn=eval_input_fn)
  print(eval_results)

if __name__ == "__main__":
  tf.app.run()

WARNING:tensorflow:From <ipython-input-3-c2192ea8d28e>:3: load_dataset (from tensorflow.contrib.learn.python.learn.datasets) is deprecated and will be removed in a future version. Instructions for updating: Please use tf.data.

TensorFlow1.11で動作させましたが、このような WARNINGが数多く出ました。下記を動作させれば良かったかな。　　The official TensorFlow implementation of MNIST, which uses a custom estimator.

ともかく、最後まで動作しました。

INFO:tensorflow:Saving checkpoints for 80000 into /tmp/mnist_convnet_model\model.ckpt. INFO:tensorflow:Loss for final step: 0.035059605. INFO:tensorflow:Calling model_fn. INFO:tensorflow:Done calling model_fn. INFO:tensorflow:Starting evaluation at 2018-11-29-05:10:49 INFO:tensorflow:Graph was finalized. INFO:tensorflow:Restoring parameters from /tmp/mnist_convnet_model\model.ckpt-80000 INFO:tensorflow:Running local_init_op. INFO:tensorflow:Done running local_init_op. INFO:tensorflow:Finished evaluation at 2018-11-29-05:10:56 INFO:tensorflow:Saving dict for global step 80000: accuracy = 0.9863, global_step = 80000, loss = 0.041395575 INFO:tensorflow:Saving 'checkpoint_path' summary for global step 80000: /tmp/mnist_convnet_model\model.ckpt-80000 {'accuracy': 0.9863, 'loss': 0.041395575, 'global_step': 80000}

グラフや入力画像もTensorBoardで表示できましたが、自分の能力では、解読は無理でした。

＊jupyter上で動作させると、エラーになりますので、cnn_mnist.pyを使ってください。

Osomaki67のブログ

個人的な備忘録兼日記にしたいと思います。

AI 事始め19：TensorFlow：EstimatorとTensorBoardに触ってみました