ひらがなの画像を Octave/Julia で機械学習させたい
データセットは 文字画像データセット(平仮名73文字版)を試験公開しました から取得しています
- 今のところ、Debian Linuxでしかテストしてません
- Windowsでも動く気はしますが、それなりにスペックが必要そう
$ git clone https://github.com/Hiroyuki-Nagata/hiragana73.git
$ cd hiragana73/octave/
$ wget https://www.dropbox.com/s/jwt301cls9024l8/hiragana73.tar.gz?dl=0 -O hiragana73.tar.gz
$ tar xvf hiragana73.tar.gz
- ニューラルネットワークの起動 (Octave)
$ octave --no-gui
>> kana
Windows10, Debian GNU/Linuxでテストしています
- ニューラルネットワークの起動 (Julia)
Pkg.cloneで依存関係を解決できます
$ julia -e 'Pkg.clone("https://github.com/Hiroyuki-Nagata/hiragana73.git")'
Pkg.dir("***")でインストール場所を調べられます
$ julia
julia> Pkg.dir("hiragana73")
"~/.julia/v0.4/hiragana73"
- 移動してデータセットをダウンロード
$ cd ~/.julia/v0.4/hiragana73/src
$ wget https://www.dropbox.com/s/jwt301cls9024l8/hiragana73.tar.gz?dl=0 -O hiragana73.tar.gz
$ tar xvf hiragana73.tar.gz
include("kana.jl")で起動
julia> cd("~/.julia/v0.4/hiragana73/src")
julia> include("kana.jl")
- 判別対象のターゲットの数は
kana_labelsで指定出来るようにしているkana_labels = 10だとあ,い,う,え,お,か,が,き,ぎ,くまでの画像を判別するように機械学習する- 家庭用のパソコン（クロック数3.8GHz）でテストしている
今のところ下記のパラメーターだとうまく動いた。それ以上は計算に時間がかかりすぎる。
とりあえずテストセットにおいても80%以上の正解率はいくはず
input_layer_size = 48^2 ## 48x48のサイズの画像
hidden_layer_size = 60 ## 隠れ層のサイズ、だいぶ適当
kana_labels = 15 ## ひらがなは濁音、半濁音含めて73ある、収束しない場合は少なくする
sample_size = 50 ## 標本数を100とる（トレーニングセット）
test_set_size = 15 ## 機械学習が学習した後の新規テスト用画像の枚数
今のところ下記のパラメーターだとうまく動いた。それ以上は計算に時間がかかりすぎる。
input_layer_size = 48^2; %% 48x48のサイズの画像
hidden_layer_size = 60; %% 隠れ層のサイズ、だいぶ適当
kana_labels = 10; %% ひらがなは濁音、半濁音含めて73ある、収束しない場合は少なくする
sample_size = 100; %% それぞれの標本数を100とる
判別対象とネットワークの階層をもっと増やしたいがPCのスペックが足りない。やっぱりGPUが必要だ！
React
Typescript
Django
Laravel
Facebook
Microsoft
Google
Alibaba
D3
Tencent