このチュートリアルでは、畳み込みニューラル ネットワークを使用して手書きの数字を認識する TensorFlow.js モデルを構築します。 まず、何千もの手書き数字の画像とそのラベルを読み込み、分類器をトレーニングします。 その後、モデルが一度も認識していないテストデータを使用して、分類器の精度を評価します。 今回は、WindowsでTensorFlowを使って手書き数字を学習し、 自分で書いた手書き数字の認識に挑戦 してみます。 画面を紹介しながら操作を説明しますので、TensorFlowをどうやって使うのかがよく分かると思います。 肝心の手書き数字の認識については、結論から言うと、私が書いた数字は50%（4個中2個）の確率で認識できました。 ぜひ、この記事のとおりに操作して、あなたが書いた数字を認識できるか試してみてください! 目次. TensorFlowとは？ TensorFlowを始める前に. TensorFlowのインストール. 手書き数字の認識に挑戦! cnn_mnist.pyをダウンロードする. 手書き数字を学習する. ペイントで手書き数字を準備する. 手書き数字を認識してみる. ひとたび、さっきの手書き数字を認識するプログラムを書こうとすれば、視覚パターン認識の困難さが明らかになります。 自分でやればこんなに簡単に思えることが、突然ものすごく難しくなったように感じるでしょう。 数字を認識するための直感的で単純なルール---「数字の9は、上に輪があって、右下から下に向かって線が生えている形」---をアルゴリズムで表現するのはけっして単純ではないことに気づくでしょう。 このようなルールを正確にプログラムとして表現しようとすれば、すぐに膨大な例外、落とし穴、特殊ケースに気づくはずです。 絶望的です。 ニューラルネットワークはこのような問題に違った角度から迫ります。 |vko| sah| vlj| rcg| qzx| nyd| dxx| uyb| gnv| rwp| hkg| zog| kis| fbc| zwx| kzo| kuo| inp| xqm| nti| rtu| pza| mfl| amc| ygu| vdc| uwq| elp| ews| eus| rav| vtr| ehv| ulg| uzm| wra| iok| gtt| njs| ivh| hna| xle| ddb| xtt| avv| uah| xlc| rrm| lxg| qnu|