[PYTHON] Ich habe versucht, Hanana Oba und Emiri Otani durch tiefes Lernen zu klassifizieren (Teil 2)

Fortsetzung des letzten Males

Ich habe das Klassifizierungsproblem durch Bilderkennung in der Schulung des Unternehmens gelöst und versucht, dasselbe mit meinem Lieblingsidol zu tun. Unten der vorherige Artikel

Ich habe versucht, Oba Hanana und Otani Emiri durch tiefes Lernen zu klassifizieren

Dieses Mal würde ich basierend auf den vorherigen Ergebnissen gerne sehen, welche Art von Bild für eine Verbesserung der Genauigkeit gehalten wurde.

Vorher werden wir die beiden zu klassifizierenden Personen vorstellen.

Oba Hanana

Ich bin ein gespenstisches Herz. Ich bin Mitglied der Idolgruppe "= LIEBE". ** Dogawae yeah yeah yeah yeah yeah hey hey hey hey hey! !! !! !! !! -! !! !! ** **.

Unten ist ein Twitter-Account. Bitte folgen Sie uns. Hanana Oba (https://twitter.com/hana_oba)

Emiri Otani

Er ist auch Mitglied der Idolgruppe "= LIEBE". süß.

Emiri Otani (https://twitter.com/otani_emiri)

Die vorherige Genauigkeit betrug etwa 90% korrekte Antwortrate.

Versuchen Sie, die Genauigkeit zu verbessern ① ~ Erhöhen Sie die Anzahl der Versuche ~

Das letzte Mal waren ungefähr 200 Epochen.

Betrachtet man dies, so scheint es, dass es immer noch steigen wird (wenn die Anzahl der Versuche zu groß ist, wird die Grafik eher konstant als vorübergehend fallen).

Also werde ich die Anzahl erhöhen. 200 bis 1000 mal

Die Genauigkeit hat sich sicher verbessert. Es war lange Zeit ungefähr 800 Mal niedrig, ist das überlernt? Ich dachte, aber es nahm am Ende zu.

Die korrekte Antwortrate für die 1000. Epoche betrug 98,33%. Nun, in Wirklichkeit habe ich einige Versuche und Irrtümer gemacht, um die Genauigkeit während des Trainings zu verbessern, so dass ich ziemlich genau werden konnte, indem ich die Anzahl der Male erhöhte. Als Artikel sollte ich mich bemühen, die Genauigkeit zu verbessern, aber ich möchte es besser machen. Vorerst werden wir heute die Genauigkeit verbessern und sehen, was dieses Modell fehlerhaft gemacht hat. (Ich möchte schnell Rückschlüsse ziehen)

Sehen Sie, was Sie einen Fehler gemacht haben

Ich werde unten antworten und sehen, welches ich einen Fehler gemacht habe.

idol.ipynb

ans = []
for i in range(0,x_test.shape[0]):
  x = np.array([x_test[i]])
  y = model.predict(x)
  ans.append(np.argmax(y))
  if(ans[i] != t_test[i]):
    print(i)

Unten sind die Ergebnisse

75
82
148

Von 140 Verifizierungsdaten sind 3 falsche Antworten = die richtige Antwortrate liegt bei 98%, nicht wahr? Verwenden Sie diese Option, um die Daten nach dem Löschen auf einen numerischen Wert wie unten gezeigt wiederherzustellen.

idol.ipynb

plt.imshow(x_test[75])
plt.imshow(x_test[82])
plt.imshow(x_test[148])

• 75

• 82

Da es ein Bild von Herrn Kameko war, werde ich es nicht veröffentlichen. Dies ist der erste der folgenden Tweets. (Wie! Bitte drücken) https://twitter.com/hana_oba/status/1119100534286217221?s=20

• 148

Hmmm, normalerweise ist es Hanana-Chan. Das erste Stück hat eine Rate von 89% Das zweite Stück hat eine Rate von 58% Das dritte Stück ist Miri Nya Rate 64% Es scheint, dass er endlich die Entscheidung getroffen hat, es zu sehen.

Nun, es ist schwer zu erklären, warum Deep Learning eine solche Entscheidung auf einer Ebene getroffen hat, die Menschen verstehen können, daher habe ich nichts weiter zu erraten.

Nächstes Mal werde ich versuchen, die Genauigkeit auf andere Weise zu verbessern.