めちゃくちゃわかりやすかったです。会社でディープラーニングをやっているのですが、ものすごく参考になりました。 感謝致します。

会社の研修が意味不明だったので参考にさせていただきました。 説明が砕けているので非常にわかりやすく、助かりました。

勉強になります。音声認識について勉強をしています。参考にさせていただいています。

本動画で使用しているソースのダウンロードは下記URLからどうぞ。 analysis-navi.com/?p=3868

とてもわかりやすいです。勉強になります。

お疲れ様です

とても勉強になる動画でした．初めてdeep learningがうまくいきそうな予感がします．ありがとうございます． 一つ質問させていただきたいのですが，testフォルダはどのような構成にしたらよいのでしょうか． trainフォルダと同様と同じく0_cat，1_dog, 2_penguinとして数枚の画像データを保存しておけばよいでしょうか？

度々失礼いたします。 動画内のプログラミング無事動きました。大変参考になりました！ 最近、プログラミングなどについて学習を進めていて疑問になった点があります。 ・このプログラミングでの学習率や初期の重み、バイアスはどのように設定していますか？ ・損失関数で用いられているsparse_categorical_crossentropyは交差エントロピー誤差と違いますか？

とてもわかりやすい解説ありがとうございます。 1つお聞きしたいことがあります。 画像ファイルを読み込んだ後にその画像に任意のドットの点を打って誤認識をするようにしたいのですが、コードが全くできないため教えて頂きたいです。 敵対的サンプルを行いたいです。 この動画の内容とはかけ離れてすみません。

Googlecolabで行う場合はどうやってデータを読み込ませますか？ドライブでマウントはできるんですけどデータを読み込ませることができません

最後に実行するとExpect x to be a non-empty array or dataset.と出てしまいます

最近機械学習という言葉を耳にすることが増え、気になったため独学で勉強し始めました。 勉強不足なため、見当ちがいな発言をしたら申し訳ございません。 こちらの動画で使用しているコードを実行したのですが、画像を集めるのを手早くしたかったため 赤、青、緑の●の画像を印刷し、それぞれ３０枚程度写真を撮って実行しました。 結果はすべてほぼ0.333…となり、このコードは色を判別せず、輪郭で分類していることに気が付きました。 （すべて●にするのではなく、それぞれを別の形にすると同じ比率になることなくうまく動作しました。） 機械学習で色を含めた識別は可能なのでしょうか？ 私の調べが悪いのかもしれませんが、調べてみたところ色を含めて学習させる方法が見つからず、 OpenCV等を使用し、色の範囲を定め、何色と一致するか、というようなものが多く見つかりました。 機械学習では色の識別がしにくいのでしょうか？

良い講座をありがとうございます！ 画像データの準備で躓いています。 ーーーーーーーーーーーーーーーーーーーーーーー ---> 26 X_train = np.array(X_train) /255.0 27 y_train = np.array(y_train) 28 X_test = np.array(X_test) /255.0 ValueError: could not broadcast input array from shape (100,100,3) into shape (100,100) ーーーーーーーーーーーーーーーーーーーーーーー これは私の環境によるものでしょうか？

これはイッヌ!!

(x_train,y_train),(x_test,y_test)=tf.keras.datasets.mnist.load_data()でデータを取り入れたのですが、この場合にX_train.shapeで求められた形をinput_shapeにそのまま入れたらクラッシュします。どのようにreshapeすれば上手く入力層に入れる事が出来るでしょうか？

動画見させていただきました。 X_train = np.array(X_train) / 255.0 y_train = np.array(y_train) X_test = np.array(X_test) / 255.0 y_test = np.array(y_test) これを実行した後にX_trainを実行すると array([], dtype=float64) と表示され、model.fit(X_train,y_train,epochs=10)で学習を始めるときに Epoch 1/10 --------------------------------------------------------------------------- ValueError Traceback (most recent call last) in () 1 model.compile(optimizer="adam",loss="sparse_categorical_crossrntropy",metrics=["accuracy"]) ----> 2 model.fit(X_train,y_train,epochs=10) /usr/local/lib/python3.7/dist-packages/tensorflow/python/keras/engine/training.py in fit(self, x, y, batch_size, epochs, verbose, callbacks, validation_split, validation_data, shuffle, class_weight, sample_weight, initial_epoch, steps_per_epoch, validation_steps, validation_batch_size, validation_freq, max_queue_size, workers, use_multiprocessing) 1192 logs = tf_utils.sync_to_numpy_or_python_type(logs) 1193 if logs is None: -> 1194 raise ValueError('Expect x to be a non-empty array or dataset.') 1195 epoch_logs = copy.copy(logs) 1196 ValueError: Expect x to be a non-empty array or dataset. このようなエラーが出てしまいます。自分はgoogledriveでやっているのでそのせいでできないのでしょうか？ 長々すみません。アドバイスいただけるとありがたいです。

クソ無知なんだけど、これ動画でも同じことできるのかな 手を振ってるor静止してる みたいな

x_train = np.array(x_train) / 255.0 y_train = np.array(y_train) x_test = np.array(x_test) / 255.0 y_test = np.array(y_test) を入力して実行するとAttributeError: 'numpy.ndarray' object has no attribute 'append'とエラーが出てしまいます その前の所まではエラー出ませんでした

model.fit()を実行すると Epoch 1/10 --------------------------------------------------------------------------- ValueError Traceback (most recent call last) in 1 model.compile(optimizer="adam",loss="categorical_crossentropy",metrics=["accuracy"]) 2 ----> 3 model.fit(x_train,y_train,epochs=10) 1 frames /usr/local/lib/python3.7/dist-packages/keras/engine/training.py in tf__train_function(iterator) 13 try: 14 do_return = True ---> 15 retval_ = ag__.converted_call(ag__.ld(step_function), (ag__.ld(self), ag__.ld(iterator)), None, fscope) 16 except: 17 do_return = False ValueError: in user code: File "/usr/local/lib/python3.7/dist-packages/keras/engine/training.py", line 1051, in train_function * return step_function(self, iterator) File "/usr/local/lib/python3.7/dist-packages/keras/engine/training.py", line 1040, in step_function ** outputs = model.distribute_strategy.run(run_step, args=(data,)) ValueError: Shapes (None, 1) and (None, 3) are incompatible というエラーがでます。 よろしければ教えていただきたいです。 画像は自分で集めてきたものを使っています。

ニューラルネットワークの構築をしてその後学習を開始させようとして実行するとこのようなエラーが出て学習させることができなんのですが 改善する方法はありますか？；エラー：：Traceback (most recent call last): File "C:\Users\h_abe\OneDrive\デスクトップ\ディープラーニング\test1.py", line 41, in model.fit(X_train,Y_train,epochs=10) File "C:\Users\h_abe\AppData\Local\Programs\Python\Python37\lib\site-packages\keras\utils\traceback_utils.py", line 67, in error_handler raise e.with_traceback(filtered_tb) from None File "C:\Users\h_abe\AppData\Local\Programs\Python\Python37\lib\site-packages\tensorflow\python\eager\execute.py", line 59, in quick_execute inputs, attrs, num_outputs) tensorflow.python.framework.errors_impl.UnimplementedError: Cast string to float is not supported [[node Cast_1 (defined at C:\Users\h_abe\AppData\Local\Programs\Python\Python37\lib\site-packages\keras\metrics.py:716) ]] [Op:__inference_train_function_779] Errors may have originated from an input operation. Input Source operations connected to node Cast_1: In[0] ExpandDims_1 (defined at C:\Users\h_abe\AppData\Local\Programs\Python\Python37\lib\site-packages\keras\engine\compile_utils.py:677) Operation defined at: (most recent call last) >>> File "", line 1, in >>> >>> File "C:\Users\h_abe\AppData\Local\Programs\Python\Python37\lib\idlelib un.py", line 155, in main >>> ret = method(*args, **kwargs) >>> >>> File "C:\Users\h_abe\AppData\Local\Programs\Python\Python37\lib\idlelib un.py", line 548, in runcode >>> exec(code, self.locals) >>> >>> File "C:\Users\h_abe\OneDrive\デスクトップ\ディープラーニング\test1.py", line 41, in >>> model.fit(X_train,Y_train,epochs=10) >>> >>> File "C:\Users\h_abe\AppData\Local\Programs\Python\Python37\lib\site-packages\keras\utils\traceback_utils.py", line 64, in error_handler >>> return fn(*args, **kwargs) >>> >>> File "C:\Users\h_abe\AppData\Local\Programs\Python\Python37\lib\site-packages\keras\engine\training.py", line 1216, in fit >>> tmp_logs = self.train_function(iterator) >>> >>> File "C:\Users\h_abe\AppData\Local\Programs\Python\Python37\lib\site-packages\keras\engine\training.py", line 878, in train_function >>> return step_function(self, iterator) >>> >>> File "C:\Users\h_abe\AppData\Local\Programs\Python\Python37\lib\site-packages\keras\engine\training.py", line 867, in step_function >>> outputs = model.distribute_strategy.run(run_step, args=(data,)) >>> >>> File "C:\Users\h_abe\AppData\Local\Programs\Python\Python37\lib\site-packages\keras\engine\training.py", line 860, in run_step >>> outputs = model.train_step(data) >>> >>> File "C:\Users\h_abe\AppData\Local\Programs\Python\Python37\lib\site-packages\keras\engine\training.py", line 817, in train_step >>> self.compiled_metrics.update_state(y, y_pred, sample_weight) >>> >>> File "C:\Users\h_abe\AppData\Local\Programs\Python\Python37\lib\site-packages\keras\engine\compile_utils.py", line 460, in update_state >>> metric_obj.update_state(y_t, y_p, sample_weight=mask) >>> >>> File "C:\Users\h_abe\AppData\Local\Programs\Python\Python37\lib\site-packages\keras\utils\metrics_utils.py", line 73, in decorated >>> update_op = update_state_fn(*args, **kwargs) >>> >>> File "C:\Users\h_abe\AppData\Local\Programs\Python\Python37\lib\site-packages\keras\metrics.py", line 177, in update_state_fn >>> return ag_update_state(*args, **kwargs) >>> >>> File "C:\Users\h_abe\AppData\Local\Programs\Python\Python37\lib\site-packages\keras\metrics.py", line 716, in update_state >>> y_true = tf.cast(y_true, self._dtype)Traceback (most recent call last): 長文失礼しました。すみません

とても説明わかりやすかったです！ 一つ質問させていただきたいのですが、画像の準備でつまずいています。。 x_train = [] #訓練用のimage y_train = [] #訓練用のlabels　 x_test = [] #テスト用のimage y_test = [] #テスト用のimage for f in glob.glob("image/*/*/*.jpg"): img_data = tf.io.read_file(f) img_data = tf.io.decode_jpeg(img_data) img_data = tf.image.resize(img_data,[100,100]) if f.split("/")[1] == "train": x_train.append(img_data) y_train.append(int(f.split("/")[2].split("_")[0])) elif f.split("/")[1] =="test": x_test.append(img_data) y_test.append(int(f.split("/")[2].split("_")[0])) x_train = np.array(x_train) / 255.0 y_train = np.array(y_train) x_test = np.array(x_test) / 255.0 y_train = np.array(x_test) 動画の通りにコードを書いて実行し、x_trainにデータが入っているか確認したところ、 array([], dtype=float64) このように入ってないように見受けられました。 フォルダ構成も確認しました。このコードと同じ階層にimageフォルダを作り、中にtrain, test, train, testそれぞれに0_hand, 1_footというフォルダを作りました。 どこか間違っている部分はございますでしょうか？ ご教授いただければ幸いです。

# tf.keras.layers.Dropout(0,2), を消したら動きました。