Tensorflow で学習モデルを自作してみる

概要

先日、BigQuery ML が発表されたり、ML がますます進展している。

少しずつ学んでいきたいと思い、とりあえず、学習モデルを自作することをしてみた。

だいぶ前に、Tensorflow の手書き文字のチュートリアルをやったことがあるが、機械学習について一切掴めなかったのでそれ以来となる。

やったこと

• 画像の分類（うどん、ラーメン、パスタ）の学習モデル。参考

• 画像の分類（バラ、ゆり、ひまわり）を転移学習。参考

• ○×ゲームのAI。参考

画像の分類（うどん、ラーメン、パスタ）の学習モデル

kawabatas/tensorflow_sample

参考記事の内容を Docker で、認識を WebApp ではなく、target.jpg という画像ファイル名を指定して行うようにした。

記事にも書いてあるが、モデルが 300KB 程度だった。

画像の分類（バラ、ゆり、ひまわり）を転移学習

kawabatas/tensorflow_sample_2

こちらも参考記事の内容を Docker で、認識を WebApp ではなく、target.jpg という画像ファイル名を指定して行うようにした。

モデルは 80MB くらいだった。

先ほどと比べてサイズがかなり大きくなっている。もし IoT で非力なデバイスで使用する場合は考慮が必要なのだろうか。

○×ゲームのAI

kawabatas/tensorflow_sample_3

こちらは参考記事の内容を Docker で行うようにしたのみ。

所感

とりあえず、記事を真似して学習モデルを作成できた。そして、以前より少し機械学習を掴めた気がする。

しかし、コードを読んでも、なぜその計算をしているのか、理解できなかった。

画像の分類（画像内の物体の認識はまた別）なら、畳み込み、プーリングを繰り返して、特徴量を出し、学習モデルを作る。

○×ゲームの場合はまた別。

どのようなデータを、どのような用途で、利用するかによって、計算方法は変わるし、精度の高い結果を出すために少し変えたりしそうだ。

Not 機械学習エンジニアが ML を実践導入するには、まだまだハードルが高いと感じた。

とはいえ、自分ができることが増えて、楽しいし、これからも継続して学んでいこうと思う。