Up データの内容 作成: 2021-04-20
更新: 2021-04-20

  • MNIST のロードでは，つぎのものがロードされる：
      (x_train, y_train) : 訓練用データセット
      　　──モデルの訓練に使用
      (x_test, y_test) : テスト用データセット
      　　──訓練されたモデルのテストに使用


  • labels は 0から9までの整数の配列で，各数がそれの数字の class に対応している：
      LabelClass
      00
      11
      22
      33
      44
      55
      66
      77
      88
      99


  • (x_train, y_train) は、
    　28×28ピクセルの画像が60,000枚──ラベル (0〜9) が60,000個
      >>> x_train.shape (60000, 28, 28) >>> len(y_train) 60000 >>> y_train array([5, 0, 4, ..., 5, 6, 8], dtype=uint8)

  • (x_test, y_test) は，
    　28×28ピクセルの画像が10,000枚──ラベル (0〜9) が10,000個：
      >>> x_test.shape (10000, 28, 28) >>> len(y_test) 10000 >>> y_test array([7, 2, 1, ..., 4, 5, 6], dtype=uint8)


  • images (28×28 ピクセル) は，ピクセルの値が 0から255の間の整数。
    　画像 x_train[0]) の場合：
      >>> print("x_train[0]=%s" % x_train[0]) x_train[0]=[[ 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0] [ 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0] [ 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0] [ 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0] [ 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0] [ 0 0 0 0 0 0 0 0 0 0 0 0 3 18 18 18 126 136 175 26 166 255 247 127 0 0 0 0] [ 0 0 0 0 0 0 0 0 30 36 94 154 170 253 253 253 253 253 225 172 253 242 195 64 0 0 0 0] [ 0 0 0 0 0 0 0 49 238 253 253 253 253 253 253 253 253 251 93 82 82 56 39 0 0 0 0 0] [ 0 0 0 0 0 0 0 18 219 253 253 253 253 253 198 182 247 241 0 0 0 0 0 0 0 0 0 0] [ 0 0 0 0 0 0 0 0 80 156 107 253 253 205 11 0 43 154 0 0 0 0 0 0 0 0 0 0] [ 0 0 0 0 0 0 0 0 0 14 1 154 253 90 0 0 0 0 0 0 0 0 0 0 0 0 0 0] [ 0 0 0 0 0 0 0 0 0 0 0 139 253 190 2 0 0 0 0 0 0 0 0 0 0 0 0 0] [ 0 0 0 0 0 0 0 0 0 0 0 11 190 253 70 0 0 0 0 0 0 0 0 0 0 0 0 0] [ 0 0 0 0 0 0 0 0 0 0 0 0 35 241 225 160 108 1 0 0 0 0 0 0 0 0 0 0] [ 0 0 0 0 0 0 0 0 0 0 0 0 0 81 240 253 253 119 25 0 0 0 0 0 0 0 0 0] [ 0 0 0 0 0 0 0 0 0 0 0 0 0 0 45 186 253 253 150 27 0 0 0 0 0 0 0 0] [ 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 16 93 252 253 187 0 0 0 0 0 0 0 0] [ 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 249 253 249 64 0 0 0 0 0 0 0] [ 0 0 0 0 0 0 0 0 0 0 0 0 0 0 46 130 183 253 253 207 2 0 0 0 0 0 0 0] [ 0 0 0 0 0 0 0 0 0 0 0 0 39 148 229 253 253 253 250 182 0 0 0 0 0 0 0 0] [ 0 0 0 0 0 0 0 0 0 0 24 114 221 253 253 253 253 201 78 0 0 0 0 0 0 0 0 0] [ 0 0 0 0 0 0 0 0 23 66 213 253 253 253 253 198 81 2 0 0 0 0 0 0 0 0 0 0] [ 0 0 0 0 0 0 18 171 219 253 253 253 253 195 80 9 0 0 0 0 0 0 0 0 0 0 0 0] [ 0 0 0 0 55 172 226 253 253 253 253 244 133 11 0 0 0 0 0 0 0 0 0 0 0 0 0 0] [ 0 0 0 0 136 253 253 253 212 135 132 16 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0] [ 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0] [ 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0] [ 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0]] >>>

    　この画像を表示する：
      >>> import matplotlib.pyplot as plt >>> plt.figure() <Figure size 640x480 with 0 Axes> >>> plt.imshow(x_train[0]) <matplotlib.image.AxesImage object at 0x602b5e90> >>> plt.colorbar() <matplotlib.colorbar.Colorbar object at 0x58888a70> >>> plt.grid(False) >>> plt.show()
    window を閉じると，python のプロンプトに戻る
      >>>

    PC のターミナルで作業している場合
    つぎの条件の下で，PC のデスクトップにこの window が現れる：
    • ssh を -X オプションで接続している
    • Raspberry Pi からの X11forwarding が成っている
    　 X Window System

    X11接続ができていないときは，つぎのようになるので，それとわかる：
      >>> plt.show() __main__:1: UserWarning: Matplotlib is currently using agg, which is a non-GUI backend, so cannot show the figure. >>>

    このときは，ターミナルで新しくシェルを開き，-X オプションで ssh接続し，これまでの作業を最初から行う：
      $ source ./venv/bin/activate (venv) $ python >>> from tensorflow import keras >>> mnist = keras.datasets.mnist >>> (x_train, y_train), (x_test, y_test) = mnist.load_data() >>> import matplotlib.pyplot as plt >>> plt.figure() <Figure size 640x480 with 0 Axes> >>> plt.imshow(x_train[0]) <matplotlib.image.AxesImage object at 0x602b5e90> >>> plt.colorbar() <matplotlib.colorbar.Colorbar object at 0x58888a70> >>> plt.grid(False) >>> plt.show()