R へのAIMパッケージのインストール

Windows

1.  こちらのサイトからファイル"AIM_1.01.tar.gz"をダウンロードする．
2. メニュー「パッケージ」から「Install package(s) from local files...」を選択する．
3. 手順1でダウンロードしたファイルを指定し，「開く」を選択する．
4.  library(AIM)と入力し，エラーが表示されなければインストール完了．

macOS

1.  こちらのサイトからファイル"AIM_1.01.tar.gz"をダウンロードする．
2. メニュー"Packages & Data"から"Package Installer"を選択する．
3. "Local Source Package"を選択して"Install"ボタンをクリック．
4. インストールするパッケージを選択するウィンドウが開くので，ダウンロードした"AIM_1.01.tar.gz"を選択する．
5.  library(AIM)と入力し，エラーが表示されなければインストール完了．

WIndows 11 でのTeX環境のセットアップ

こちらのサイトからTeXLiveをダウンロードしてインストールを行います．

ダウンロードするファイルは"install-ti-windows.exe"という実行ファイルで，ダウンロード後にダブルクリックで起動します．基本的に，"Next"や"Install"や「インストール」をクリックするだけですが，私の場合は，TeXWorksもインストールしたいので，以下の画面のところでは，「TeXWorksをインストール」にチェックを入れました．

この「インストール」ボタンをクリックするとダウンロード，インストールが始まります．終了までには結構な時間がかかります（1時間くらい）．以下のように，TeX Liveへようこそ! というウィンドウが表示されたらインストールは完了です．

[R] Jupyter NotebookでRを使う

mac OS とWindowsの場合に分けて，Jupyter NotebookでRが使えるように設定した際のメモです．

mac OSの場合

以前に，mac OSでRをJupyter Notebookで使えるようにする際のメモを投稿していました．
今回は，若干違う方法でも設定できたので，その際のメモです．R がパッケージからインストールされている前提です．

まずは，Rを起動して，以下のコマンドを実行します．

    > install.packages('IRkernel')

すると，以下のようにCRANミラーを聞いてくるので，選択します（どこを選んでも良いですが，日本国内からアクセスするのであれば，Japan を選択すれば良いと思います）．

    --- Please select a CRAN mirror for use in this session ---

続いて，以下のようにterminal からRを起動します．

xxx ~ % R                                                                                 

続けて，以下のコマンドを実行します．

> IRkernel::installspec()

Jupyter Notebookを起動して[New]ボタンを押すと，以下のように R が選択できるようになっているはずです．

Windowsの場合

Windows(11)の場合は，以下のように設定します（以下は，RとAnacondaがインストールされている前提です）．

まず，Rのアイコンを右クリックして [ファイルの場所を開く] を選択します．そうすると，以下のようなウィンドウが開きます．

このウィンドウ内の"Rgui"を右クリックして[パスのコピー]を選択します．

Anaconda Promptを起動して，以下のように，コピーしたパスを貼り付け，[Enter]キーを押して実行すると R が起動します．

    (base) C:\Users\PC_User>"C:\Program Files\R\R-4.3.2\bin\x64\Rgui.exe"

（上記の"C:\Program ~"が貼り付けた部分になります．Rのバージョンによって記載は変わります．）

Rが起動したら，以下のコマンドを実行します．

    > install.packages('IRkernel')

すると，

    --- このセッションで使うために、CRAN のミラーサイトを選んでください --- 

訪ねてきて，以下のようなウィンドウが開くので，どこかを選択します．

上記の例では，Japanを選んでいます．

続いて，以下のコマンドを実行します．

    > IRkernel::installspec()

ここまでの操作が完了して，Jupyter Notebookを立ち上げると，以下のように "New"ボタンをクリックすると，R が選択できるようになっているはずです．

FacebookメッセンジャーがWindows起動時に自動で立ち上がる設定を無効化する

 Facebook MessengerがWindows起動時に自動的に立ち上がる設定を変更した際のメモ．

タスクマネージャーからスタートアップアプリを選択する．

Messenger を選択して「無効化」ボタンをクリックして「状態」を「無効」にする．

ついでにMicrosoft Teamsとmsedgeも無効化しました．

Windows11の日本語入力の切替設定

日本語入力の切替設定の方法のでメモ（切替をCtrl + Spaceで行いたい場合の手順です）

設定 > 時刻と言語 > 言語と地域 > Microsoft IMEを開いて「キータッチのカスタマイズ」を選択する。

Ctrl + Space で IME-オンオフを選択する。

秀丸のダークモード設定

 秀丸エディタをダークモード設定に変えた際のメモ

    その他 > 動作環境  で「上級者向け設定」にチェックを入れる．

    動作環境 > ウィンドウ の「ダークモード対応」にチェックを入れる．

背景の変更設定

「その他」>「ファイルタイプ別の設定」>「設定の対象」>「デザイン」をクリック

「リセット／統一」ボタン>「黒い背景の配色にリセットする」をクリック

文字色の変更

「プロパティ」枠の「文字の色」の領域を選択

「色の指定」のウィンドウで好みの色を選択（白色にしました）

Windowsで英字キーボードの入力切替を Ctrl + Space に設定する

 Windowsで英字キーボードを使用していて，入力切替を Ctrl + Space に設定した際のメモです．

1. 右下の「あ」とか"A"と記載されているアイコンを右クリックして，プロパティを選択（クリック）する．
2. 「Microsoft IME の設定」から「詳細設定」をクリックする．
3. 編集操作 キー設定の「変更」をクリックする．
4. "Ctrl + SPACE"の入力変換...の部分をダブルクリックすると「機能選択」の一覧が表示されるので「IME-オン/オフ」を選択して"OK"をクリックする．

以上で，Ctrl + Spaceで日本語入力が切り替わるはずです．

ベルヌーイ分布の成功確率の事前分布（一様分布，ベルヌーイ分布）

  Pythonによるベイズ統計学入門に掲載されているコードを実行してみた際のメモです．

ベルヌーイ分布の成功確率の事前分布（一様分布とベルヌーイ分布）を描画するPythonのコード．

# -*- coding: utf-8 -*-

#%% NumPyの読み込み

import numpy as np

# SciPyのstatsモジュールの読み込み

import scipy.stats as st

# MatplotlibのPyplotモジュールの読み込み

import matplotlib.pyplot as plt

# 日本語フォントの設定

from matplotlib.font_manager import FontProperties

import sys

if sys.platform.startswith('win'):

FontPath = 'C:\\Windows\\Fonts\\meiryo.ttc'

elif sys.platform.startswith('darwin'):

FontPath = '/System/Library/Fonts/ヒラギノ角ゴシック W4.ttc'

elif sys.platform.startswith('linux'):

FontPath = '/usr/share/fonts/truetype/takao-gothic/TakaoPGothic.ttf'

else:

print('このPythonコードが対応していないOSを使用しています．')

sys.exit()

jpfont = FontProperties(fname=FontPath)

#%% ベルヌーイ分布の成功確率qの事前分布

fig1 = plt.figure(num=1, facecolor='w')

q = np.linspace(0, 1, 250)

plt.plot(q, st.uniform.pdf(q), 'k-')

plt.plot(q, st.beta.pdf(q, 4, 6), 'k--')

plt.xlim(0, 1)

plt.ylim(0, 2.8)

plt.legend(['(A) 一様分布 ($\\alpha$ = 1, $\\beta$ = 1)',

'(B) ベータ分布 ($\\alpha$ = 4, $\\beta$ = 6)'],

loc='best', frameon=False, prop=jpfont)

plt.xlabel('成功確率 q', fontproperties=jpfont)

plt.ylabel('確率密度', fontproperties=jpfont)

plt.savefig('pybayes_fig_beta_prior.png', dpi=300)

plt.show()

これを実行すると，以下の図が表示されます．

コードの簡単な解説は以下の通りです．

# -*- coding: utf-8 -*-

全角文字である日本語を使用する場合には，様々な文字コードがある（JIS，EUC-JP，Shift JISなど）ので，どの文字コードを使用して作成したコードなのかを明記しておきます．

import numpy as np

# SciPyのstatsモジュールの読み込み

import scipy.stats as st

# MatplotlibのPyplotモジュールの読み込み

import matplotlib.pyplot as pot

NumPy, SciPy, MatPlotLibを読み込んでいます．

# 日本語フォントの設定

from matplotlib.font_manager import FontProperties

import sys

if sys.platform.startswith('win'):

FontPath = 'C:\\Windows\\Fonts\\meiryo.ttc'

elif sys.platform.startswith('darwin'):

FontPath = '/System/Library/Fonts/ヒラギノ角ゴシック W4.ttc'

elif sys.platform.startswith('linux'):

FontPath = '/usr/share/fonts/truetype/takao-gothic/TakaoPGothic.ttf'

else:

print('このPythonコードが対応していないOSを使用しています．')

sys.exit()

jpfont = FontProperties(fname=FontPath)

表示する日本語フォントを選択するために，

import sys

でパッケージ sys を読み込んで，使用しているシステムのOSを判定するための関数

sys.platform.startswith()

を使えるようにしています．この関数は，システムのOSの名前がある文字列（e.g. Windowsならばwin）で始まっていれば真（True），そうでなければ偽（False）を返します．

これを利用して，システムのOSを判定して，OSに標準で付属する日本語フォントをpyplotの作図関数が認識できるようにする命令です．

#%% ベルヌーイ分布の成功確率qの事前分布

fig1 = plt.figure(num=1, facecolor='w')

作図を行うための空白のキャンパスを用意しています．

plt.figure(num=1, facecolor='w)

のnum=1は図の番号を1にするという意味です．特に指定しない場合はpyplot関数です．

plt.figure()

を呼び出すために自動的に通し番号が振られます．

次の facecolor = 'w' というオプションは白地（w: white）のグラフを作成するためのものです．

q = np.linspace(0, 1, 250)

一様分布とベータ分布のグラフを描くための成功確率 q の値を0から1まで等間隔に変化させたグリッドを生成し，それを1次元のNumPy配列qに格納しています．

plt.plot(q, st.uniform.pdf(q), 'k-')

plt.plot(q, st.beta.pdf(q, 4, 6), 'k--')

関数 plt.plot()は，いくつかの点を2次元座標上に打ち，各点を線で結んでグラフにします．なので，各点の横軸と縦軸の座標データとしてplt.plot()に与えなければなりません．これは1次元のNumPy配列の形でplt.plot()に渡されます．

上の行では，一様分布のグラフ（uniform）を作成しています．

先に読み込んでいる

import scipy.stats as at

には，一様分布の確率密度関数 st.uniform.pdf() が含まれているので，これを利用して一様分布の確率密度を計算します．描画の際には'k-'で黒の線を指定しています．

次の行では，ベータ分布の確率密度を計算するため stats 関数 st.beta.pdf() を使用しています．描画の際には'k--'で黒の波線を指定しています．

plt.xlim(0, 1)

plt.ylim(0, 2.8)

関数plt.xlim()は，横軸（x軸）の範囲を指定する関数で，最初の数値が下限，次の数値が上限です．横軸はベルヌーイ分布の成功確率qなので，0を下限，1を上限としています．

plt.ylim() は縦軸（y軸）の範囲を指定する関数で，最初の数値が下限，次の数値が上限です．

plt.legend(['(A) 一様分布 ($\\alpha$ = 1, $\\beta$ = 1)',

'(B) ベータ分布 ($\\alpha$ = 4, $\\beta$ = 6)'],

loc='best', frameon=False, prop=jpfont)

関数plt.legend()は与えられた文字列を要素とするPythonのリスト（これはNumPy配列ではありません）を使って凡例を作成する関数です．

凡例をキレイに表示するために，3つのオプションがあり，'best'は最も見やすい場所に判例を自動的に配置する指示です．明示的に配置する場所を決める際には，'upper left'，upper right'，lower left' などとlocオプションを変えることで変更可能です．

frameon=False は凡例を囲む枠を省くというオプションです．デフォルトでは，凡例を囲む枠が表示されるので，Falseとして枠をなくしています．

prop=jpfontは，日本語フォントを凡例の表示に使用するためのオプションです．

plt.xlabel('成功確率 q', fontproperties=jpfont)

plt.ylabel('確率密度', fontproperties=jpfont)

関数 plt.xlabel() は横軸のラベルを指定する関数で，関数 plt.ylabel()は縦軸のラベルを指定する関数です．

ここでも，ラベルに使われる日本語フォントとして fontproperties = jpfont というオプションで指定しています．

plt.savefig('pybayes_fig_beta_prior.png', dpi=300)

plt.show()

作成した図を画像ファイルに保存したい際には，plt.savefig()の 'pybayes.fig.beta_prior.png' は保存する図の名前，形式（.png）です．

Windows10でのHDDの認識

 

Windows10でのHDDが認識されない時の対処法のメモです．

1.「コントロールパネル」を開き，「システムとセキュリティ」を選択します（コンピューター右クリックで「管理」でも）．

2. 「記憶域（ディスクの管理）」を選択します．

3．増設したHDDを右クリックして「新しいシンプルボリューム」を選択します．

4．新しいシンプルボリュームウィザードの開始が開くので「次へ（N）」をクリックします．

5．表示される項目に変更を加えない場合は，その後「次へ（N）」をクリックします．変更が必要な場合は，適宜変更します．

6．最後に「完了」をクリックして終了です．

Windows10にminicondaをインストール

注：以下の手順でminicondaをインストールすることは可能ですが，TensorflowやKerasを利用する場合にはバージョンの問題が生じる可能性があります．現段階（2020.12.01）ではPython3.8ではKerasをインストールしようとすると，ver3.8では動かないという警告が出ました．

Windows10にminicondaをインストールした際のメモです．

MinicondaはAnacondaに比べてライブラリーの少なく，最小限の状態と言える環境設定です．以前はAnacondaをインストールしていたのですが，若干問題が発生したので，Anacondaをアンインストールして，Minicondaをインストールすることにしました．

1. Windowsのminicondaインストーラの入手

Minicondaのサイトから，Python3.8, 64bitOSのインストーラーを選択しました（当然，自分のシステムに合うものを選択します）．

2. インストールの開始

ダウンロードしたminicondaインストーラをダブルクリックして起動させます．

Next >をクリックします．

I Agreeをクリックします．

Just Me(recommended)を選択してNext >をクリックします．

minicondaのインストール先を指定して，Next >をクリックします（特に必要がなければデフォルトのままで）．以下の画像のモザイク部分はインストール先が記載されている場所です．

Register Miniconda3 as my default Python 3.8を選択（デフォルト）して，Next >をクリック

Next >をクリックして，インストール完了．

3. Minicondaがインストールされていることを確認

スタートメニューには，以下のように"Anaconda3 (64-bit）というフォルダとAnaconda Powershell Prompt (miniconda3)，Anaconda Prompt (miniconda3)の二つのショートカットが表示されるはずです．

Anaconda Prompt（Powershellでも良い）を起動して，

        python -–version

と入力してPythonのバージョン（今回の場合は 3.8.5）が出力されればインストール完了です．

[Windows] OpenCVのインストール

[R] Windows10にRStudioをインストール

WIndows10にRStudioをインストールした際のメモです．

まずは，CRANからRStudioのインストーラーをダウンロードします．

"Download R for Windows" を選択して，その後，base > Download R 3.6.0 for Windows （3.6.0は現時点でのバージョン）をクリックするとインストール実行ファイルのダウンロードが始まります．

その後，ダウンロードした"R-3.6.0-win.exe （3.6.0は現時点でのバージョン）"を実行するとインストールが始まります．
基本的にデフォルトのまま進めば良いのですが，Windows10は64bit OSなので，32-bit Filesのチェックは外します．

インストールが完了したら，R（Rx64 3.6.0）を起動します．

外部パッケージをインストールするには，あらかじめ，外部パッケージをダウンロードしておきます（今回はTSSSをインストールしたいので，こちら（TSSS_1.2.4.zip）からダウンロード）．

メニューの "パッケージ > Install package(s) from local files..." を選択し，"Select files"でダウンロードした TSSS_1.2.4.zip を選択します．

メニューのパッケージから "パッケージの読み込み"，"Select one"で"TSSS"を選択します．

これで，パッケージの読み込みは完了です．

試しに以下のように入力してみます．

うまくいっているようなので，とりあえずこれで良しとします．

WIndows10 Google Chromeが起動しない

Windows10でGoogle Chromeが起動しなくなったときの対処法のメモです．

C:\Users\ユーザー名\AppData\Local\Google\Chrome\User Data

の"Default"フォルダを削除する（Default フォルダーがない場合はProfile 1 フォルダー）．

Default フォルダを削除した後にChromeを起動すると，無事に立ち上がるはずです．

このように，Windows10においてGoogle Chromeが起動しなくなるという現象は，は"chrome.exe"というファイルが変な場所に生成されてしまった場合に生じるようです．

[Keras] GPUの設定

ディープラーニングの計算量は比較的大量になることが多く，GPUを使用しないと非常に時間がかかることになるので，Keras を使用するにはGPU（NVDIA のグラフィクスカード GTX シリーズ）を利用することが効果的です．

以前の投稿で作成した mykras 環境と同様に mykeras-gpu 環境を作成して，Jupyter Notebook のインストールを行う例を以下に示します．

まずは，Anaconda Promptで，mykerasをアクティベートします．
続いてKeras をインストールする際のパッケージ名は "keras-gpu" なので，"conda install keras-gpu"を実行します．

(base) C:\Users\xxx>activate mykeras
(mykeras) C:\Users\xxx>conda install keras-gpu

すると，以下のように実行が始まります．

Solving environment: done

==> WARNING: A newer version of conda exists. <==
  current version: 4.5.11
  latest version: 4.5.12

Please update conda by running

    $ conda update -n base -c defaults conda

## Package Plan ##

  environment location: C:\Users\Hidehiko MURAO\AppData\Local\conda\conda\envs\mykeras

  added / updated specs:
    - keras-gpu


The following packages will be downloaded:

    package                        |            build
    ---------------------------|-----------------
    keras-gpu-2.2.4            |                0           5 KB
    cudnn-7.1.4                  |        cuda9.0_0       192.3 MB
    tensorflow-base-1.12.0     |gpu_py36h6e53903_0       180.8 MB
    _tflow_select-2.1.0       |              gpu           3 KB
    tensorflow-gpu-1.12.0      |       h0d30ee6_0           3 KB
    cudatoolkit-9.0            |                1       339.8 MB
    tensorflow-1.12.0          |gpu_py36ha5f9131_0           4 KB
    ------------------------------------------------------------
                                           Total:       712.9 MB

The following NEW packages will be INSTALLED:

    cudatoolkit:     9.0-1
    cudnn:           7.1.4-cuda9.0_0
    keras-gpu:       2.2.4-0
    tensorflow-gpu:  1.12.0-h0d30ee6_0

The following packages will be UPDATED:

    tensorflow:      1.12.0-eigen_py36h67ac661_0 --> 1.12.0-gpu_py36ha5f9131_0
    tensorflow-base: 1.12.0-eigen_py36h45df0d8_0 --> 1.12.0-gpu_py36h6e53903_0

The following packages will be DOWNGRADED:

    _tflow_select:   2.2.0-eigen                 --> 2.1.0-gpu

Proceed ([y]/n)? y


Downloading and Extracting Packages
keras-gpu-2.2.4      | 5 KB      | ######################## | 100%
cudnn-7.1.4          | 192.3 MB  | #######################  | 100%
tensorflow-base-1.12 | 180.8 MB  | ############################################ | 100%
_tflow_select-2.1.0  | 3 KB      | ############################################ | 100%
tensorflow-gpu-1.12. | 3 KB      | ############################################ | 100%
cudatoolkit-9.0      | 339.8 MB  | ############################################ | 100%
tensorflow-1.12.0    | 4 KB      | ############################################ | 100%
Preparing transaction: done
Verifying transaction: done
Executing transaction: done

続いて，WindowsのPATH環境にcuda関連のDLLが格納されている
    C:\Users\xxx\AppData\Local\conda\conda\envs\mykeras\DLLs
を登録します．

Windows のコマンドプロンプトで
    control
と入力してコントロールパネルを起動します．

その後，
    システムとセキュリティ ＞ システム
と選択して，
    システムの詳細設定
をクリックします．

さらに別ウィンドウが開くので，「詳細設定」タブの 「環境変数」をクリックします。
ユーザー環境変数に Path が既にあれば「編集」を押して

    %USERPROFILE%AppData\Local\conda\conda\envs\mykeras\DLLs

を追加します．

ユーザー変数に Path が無い場合は「新規」で作成します．システム変数の PATH に mykeras-gpu の DLL のパスが追加されるように記述します．

ここでGPUが動作するかをテストしてみます．テストはJupyter Notebookを使って行います．
テストには，以前にも用いた，keras 作者 Fchollet さんが用意してくれている exapmle で MNIST データセットを学習する mnist_cnn.py で試します．

実行結果は以下のようになります．

x_train shape: (60000, 28, 28, 1)
60000 train samples
10000 test samples
Train on 60000 samples, validate on 10000 samples
Epoch 1/12
60000/60000 [==============================] - 6s 102us/step - loss: 0.2660 - acc: 0.9188 - val_loss: 0.0667 - val_acc: 0.9799
Epoch 2/12
60000/60000 [==============================] - 4s 70us/step - loss: 0.0934 - acc: 0.9724 - val_loss: 0.0413 - val_acc: 0.9876
Epoch 3/12
60000/60000 [==============================] - 4s 70us/step - loss: 0.0678 - acc: 0.9799 - val_loss: 0.0375 - val_acc: 0.9870
Epoch 4/12
60000/60000 [==============================] - 4s 70us/step - loss: 0.0569 - acc: 0.9835 - val_loss: 0.0314 - val_acc: 0.9894
Epoch 5/12
60000/60000 [==============================] - 4s 70us/step - loss: 0.0478 - acc: 0.9860 - val_loss: 0.0315 - val_acc: 0.9890
Epoch 6/12
60000/60000 [==============================] - 4s 70us/step - loss: 0.0426 - acc: 0.9872 - val_loss: 0.0291 - val_acc: 0.9905
Epoch 7/12
60000/60000 [==============================] - 4s 70us/step - loss: 0.0384 - acc: 0.9886 - val_loss: 0.0331 - val_acc: 0.9892
Epoch 8/12
60000/60000 [==============================] - 4s 70us/step - loss: 0.0342 - acc: 0.9896 - val_loss: 0.0270 - val_acc: 0.9907
Epoch 9/12
60000/60000 [==============================] - 4s 71us/step - loss: 0.0325 - acc: 0.9902 - val_loss: 0.0311 - val_acc: 0.9903
Epoch 10/12
60000/60000 [==============================] - 4s 70us/step - loss: 0.0292 - acc: 0.9907 - val_loss: 0.0279 - val_acc: 0.9911
Epoch 11/12
60000/60000 [==============================] - 4s 70us/step - loss: 0.0276 - acc: 0.9913 - val_loss: 0.0247 - val_acc: 0.9916
Epoch 12/12
60000/60000 [==============================] - 4s 71us/step - loss: 0.0254 - acc: 0.9921 - val_loss: 0.0265 - val_acc: 0.9919
Test loss: 0.026480694237979514
Test accuracy: 0.9919

以前のテストでは，Epoch 1/12, 2/12（以前の例では 1/2, 2/2）では 64s かかっていたものが，今回はEpoch1で 6s で終了しており，Epoch2で 4s に短縮されていることがわかります．

[Keras] Keras のテスト

Keras が動作するかをテストしてみます．テストはJupyter Notebookを使って行います．
テストには，keras 作者の Fchollet さんが用意してくれている exapmle で MNIST データセット*を学習するもの mnist_cnn.py **を一部変更して試します．

実行結果は以下のようになります．

Downloading data from https://s3.amazonaws.com/img-datasets/mnist.npz
11493376/11490434 [==============================] - 2s 0us/step
x_train shape: (60000, 28, 28, 1)
60000 train samples
10000 test samples
Train on 60000 samples, validate on 10000 samples
Epoch 1/2
60000/60000 [==============================] - 64s 1ms/step - loss: 0.2523 - acc: 0.9216 - val_loss: 0.0579 - val_acc: 0.9813
Epoch 2/2
60000/60000 [==============================] - 64s 1ms/step - loss: 0.0858 - acc: 0.9750 - val_loss: 0.0408 - val_acc: 0.9864
Test loss: 0.040848016864643434
Test accuracy: 0.9864

* MNIST は手書き文字の学習データです．
** mnist_cnn.py は以下のようなコードです（今回のテストにおいて変更した点は，コメントアウト -epochsの値を変更-してあります）．

'''Trains a simple convnet on the MNIST dataset.

Gets to 99.25% test accuracy after 12 epochs

(there is still a lot of margin for parameter tuning).

16 seconds per epoch on a GRID K520 GPU.

'''

from __future__ import print_function

import keras

from keras.datasets import mnist

from keras.models import Sequential

from keras.layers import Dense, Dropout, Flatten

from keras.layers import Conv2D, MaxPooling2D

from keras import backend as K

batch_size = 128

num_classes = 10

epochs = 12

# input image dimensions

img_rows, img_cols = 28, 28

# the data, split between train and test sets

(x_train, y_train), (x_test, y_test) = mnist.load_data()

if K.image_data_format() == 'channels_first':

    x_train = x_train.reshape(x_train.shape[0], 1, img_rows, img_cols)

    x_test = x_test.reshape(x_test.shape[0], 1, img_rows, img_cols)

    input_shape = (1, img_rows, img_cols)

else:

    x_train = x_train.reshape(x_train.shape[0], img_rows, img_cols, 1)

    x_test = x_test.reshape(x_test.shape[0], img_rows, img_cols, 1)

    input_shape = (img_rows, img_cols, 1)

x_train = x_train.astype('float32')

x_test = x_test.astype('float32')

x_train /= 255

x_test /= 255

print('x_train shape:', x_train.shape)

print(x_train.shape[0], 'train samples')

print(x_test.shape[0], 'test samples')

# convert class vectors to binary class matrices

y_train = keras.utils.to_categorical(y_train, num_classes)

y_test = keras.utils.to_categorical(y_test, num_classes)

model = Sequential()

model.add(Conv2D(32, kernel_size=(3, 3),

                 activation='relu',

                 input_shape=input_shape))

model.add(Conv2D(64, (3, 3), activation='relu'))

model.add(MaxPooling2D(pool_size=(2, 2)))

model.add(Dropout(0.25))

model.add(Flatten())

model.add(Dense(128, activation='relu'))

model.add(Dropout(0.5))

model.add(Dense(num_classes, activation='softmax'))

model.compile(loss=keras.losses.categorical_crossentropy,

              optimizer=keras.optimizers.Adadelta(),

              metrics=['accuracy'])

model.fit(x_train, y_train,

          batch_size=batch_size,

          epochs=epochs,

          verbose=1,

          validation_data=(x_test, y_test))

score = model.evaluate(x_test, y_test, verbose=0)

print('Test loss:', score[0])

print('Test accuracy:', score[1])

[Keras] Windows10にTensorFlow と Keras をインストール

セットアップ作業の中心となるのが Anaconda Prompt です．
Windows のメニューの Anaconda3 (64-bit) のところに Anaconda Prompt がありますので起動します．

今回は mykeras という名前の環境を作ってそこにセットアップしてみることにします．Anaconda Prompt 上でコマンド conda create -n mykeras を実行します．

（以下青字は，Anaconda Promptでの実行結果，なお'xxx'はユーザー名を示しています）

(base) C:\Users\xxx>conda create -n mykeras
WARNING: A space was detected in your requested environment path
'C:\Users\xxx\AppData\Local\conda\conda\envs\mykeras'
Spaces in paths can sometimes be problematic.
Solving environment: done

==> WARNING: A newer version of conda exists. <==
  current version: 4.5.11
  latest version: 4.5.12

Please update conda by running

    $ conda update -n base -c defaults conda

## Package Plan ##

  environment location: C:\Users\xxx\AppData\Local\conda\conda\envs\mykeras

Proceed ([y]/n)? y

Preparing transaction: done
Verifying transaction: done
Executing transaction: done
#
# To activate this environment, use
#
#     $ conda activate mykeras
#
# To deactivate an active environment, use
#
#     $ conda deactivate

作成した mykeras へ実行環境を移すには，activate mykeras を実行します．

（以下青字は，Anaconda Promptでの実行結果，なお'xxx'はユーザー名を示しています）

(base) C:\Users\xxx>activate mykeras
(mykeras) C:\Users\xxx>

これによりプロンプト左端の（　）の中がディレクトリから環境名 mykeras に切り変わります。

専用環境で最初に追加インストールするのは Jupyter Notebook です．
Anaconda Promptで conda install notebook を実行します．

（以下青字は，Anaconda Promptでの実行結果，なお'xxx'はユーザー名を示しています．また，以下の例ではすでにJupyter Notebookがインストールしてあったので，アップデートがかかっています）

(mykeras) C:\Users\xxx>conda install notebook
Solving environment: done

==> WARNING: A newer version of conda exists. <==
  current version: 4.5.11
  latest version: 4.5.12

Please update conda by running

    $ conda update -n base -c defaults conda

## Package Plan ##

  environment location: C:\Users\xxx\AppData\Local\conda\conda\envs\mykeras

  added / updated specs:
    - notebook

The following packages will be downloaded:

    package                    |            build
    ---------------------------|-----------------
    testpath-0.4.2             |           py37_0          92 KB
  ...（省略）...
    prometheus_client-0.5.0    |           py37_0          67 KB
    ------------------------------------------------------------
                                           Total:        40.9 MB

The following NEW packages will be INSTALLED:

    backcall:                0.1.0-py37_0
...（省略）...
    zeromq:                  4.2.5-he025d50_1

Proceed ([y]/n)? y


Downloading and Extracting Packages
testpath-0.4.2       | 92 KB     | ##################### | 100%
...（省略）...
prometheus_client-0. | 67 KB     | ######################################### | 100%
Preparing transaction: done
Verifying transaction: done
Executing transaction: done

(mykeras) C:\Users\xxx>

でインストールします．
所々で Anaconda Prompt で 'Proceed ([y]/n)?' と聞かれる場面がありますが、特に説明が無い限り y (yes) を選択する前提とします．notebook インストールの最後にこのようなデバッグメッセージが表示されるバージョンがありますが、Windows のメニューを編集したことに関するもので問題ありません。

Jupyter Notebook のメニューが上手く追加されていない場合は，Anaconda Prompt の実行したい環境で

（実行したい環境へ移動）activate mykeras

 jupyter-notebook

とコマンドを打てばメニューから選ぶ場合と同じように実行可能です．

続いて，tensorflow，keras などのライブラリ群をインストールします．インストールには，Anaconda Prompt で conda install keras というコマンドを実行します．
このコマンドで以下のように依存ライブラリを一括してインストールしてくれます。

(mykeras) C:\Users\xxx>conda install keras
Solving environment: done

==> WARNING: A newer version of conda exists. <==
  current version: 4.5.11
  latest version: 4.5.12

Please update conda by running

    $ conda update -n base -c defaults conda

## Package Plan ##

  environment location: C:\Users\xxx\AppData\Local\conda\conda\envs\mykeras

  added / updated specs:
    - keras


The following packages will be downloaded:

    package                    |            build
    ---------------------------|-----------------
    certifi-2018.11.29         |           py36_0         146 KB
    tensorflow-base-1.12.0     |eigen_py36h45df0d8_0        40.9 MB
...（省略）...
    hdf5-1.10.4                |       h7ebc959_0        19.2 MB
    ------------------------------------------------------------
                                           Total:       284.5 MB

The following NEW packages will be INSTALLED:

    _tflow_select:       2.2.0-eigen
    absl-py:             0.6.1-py36_0
...（省略）...
    zlib:                1.2.11-h62dcd97_3

The following packages will be UPDATED:

    backcall:            0.1.0-py37_0                --> 0.1.0-py36_0
    bleach:              3.0.2-py37_0                --> 3.0.2-py36_0
...（省略）
    wincertstore:        0.2-py37_0                  --> 0.2-py36h7fe50ca_0

The following packages will be DOWNGRADED:

    python:              3.7.2-h8c8aaf0_0            --> 3.6.8-h9f7ef89_0

Proceed ([y]/n)? y

Downloading and Extracting Packages
certifi-2018.11.29   | 146 KB    | ###################################### | 100%
tensorflow-base-1.12 | 40.9 MB   | ###################################### | 100%
...（省略）...
hdf5-1.10.4          | 19.2 MB   | ###################################### | 100%
Preparing transaction: done
Verifying transaction: done
Executing transaction: done

(mykeras) C:\Users\xxx>

これで，インストールは完了しているはずなので，以下のように動作確認をしてみます．

>>> import tensorflow as tf
>>> hello = tf.constant('Hello TensorFlow!')
>>> sess = tf.Session()
>>> print(sess.run(hello))
b'Hello TensorFlow!'
>>>

もしくは，JupyterNootebookから以下のように実行してみます（Jupyter Notebookを立ち上げる際には，mykeras へ実行環境，すなわち activate mykeras を実行した後である必要があります）．