Python Colaboratory

keras-test-53 動作確認

全結合モデルファイル
keras-test-53.ipynb
が完成しましたので Colab の中で動かしてみましょう。
Colab 内の左上隅にある｢ファイル｣から｢ノ－トブックを新規作成｣をクリック。
ファイル内容をコピしてこれをノートブックの画面内のボックス(セル)のなかに貼付け[Ctrl + v]ます。
画面上部のファイル名をクリックして、ファイル名を
keras-test-53.ipynb
に変更します。
ドライブのマウントをします。
左端にある｢□｣をクリックし、次にマウントマ－クをクリックします。
すると、マウントマ－クに｢＼｣が入ります。
その後、▷ をクリックして動作させます。
下記のようになるはずです。

Epoch 1/40
3/3 [===] - 1s 323ms/step - loss: 0.7151 - mae: 0.7040 - val_loss: 0.2704 - val_mae: 0.4150
Epoch 2/40
3/3 [===] - 0s 51ms/step - loss: 0.1955 - mae: 0.3364 - val_loss: 0.0934 - val_mae: 0.2163
Epoch 3/40
3/3 [===] - 0s 59ms/step - loss: 0.0699 - mae: 0.1783 - val_loss: 0.0444 - val_mae: 0.1496
～～～～
～～～～
Epoch 26/40
3/3 [===] - 0s 59ms/step - loss: 0.0081 - mae: 0.0653 - val_loss: 0.0074 - val_mae: 0.0614
Epoch 27/40
3/3 [===] - 0s 43ms/step - loss: 0.0075 - mae: 0.0647 - val_loss: 0.0095 - val_mae: 0.0870
Epoch 28/40
3/3 [===] - 0s 44ms/step - loss: 0.0086 - mae: 0.0686 - val_loss: 0.0082 - val_mae: 0.0738

keras-test-53 結果検証

ここまでで、全結合モデルファイルを動作させることができました。
引き続き、全結合モデルファイル keras-test-53 がうまく動作したか検証します。
fit() を呼び出すと History オブジェクトが返されます。
このオブジェクトには history というフィ－ルドがあります。
名前が紛らわしいです。
History と history もっと違う名前にしてほしい！
このフィ－ルドには、エボックの進捗につれて
loss：訓練デ－タセットでの損失値 mse(各誤差の二乗の平均)
mae：訓練デ－タセットでの損失値 mae(各誤差の絶対値の平均)
val_loss：検証デ－タセットでの損失値 mse(各誤差の二乗の平均)
val_mae：検証デ－タセットでの損失値 mae(各誤差の絶対値の平均)
の値がどのように変化したか保存されます。

平均誤差

ここで、平均誤差について少し説明します。

MSE
平均二乗誤差
MSE：Mean Squared Error
とは各データに対して｢予測値と正解値の差(＝誤差)｣の二乗値を計算し
その総和をデータ数で割った値(＝平均値)を出力します。
yyi：i 番目の予測値
yi ：i 番目の正解値
ｎ：デ－タ数
とし、数式で表すと下記のようになります。
MAE
平均絶対誤差
MAE：Mean Absolute Error
とは各データに対して｢予測値と正解値の差(＝誤差)｣の絶対値を計算し
その総和をデータ数で割った値(＝平均値)を出力します。
数式で表すと下記のようになります。

結果検証詳細

それでは結果検証内容を詳しく見ていきます。

Epoch 1/40 　 3/3
訓練を繰り返す回数－エポック数は
epochs=40
と設定しました。
よって最初は 1/40 と表示されました。
そして訓練デ－タセットとして Input される train_dataset は batch_size=32 ごとに配列のなかで分割されているので
20×32 + 20×32 + 20×16
の３分割されています。
よって 3/3 の処理をしたと表示されます。
処理時間
最初は 1 Epoch 当たりの処理時間は 1.323 s かかったことがわかります。
そのあとは 50 ms くらいまで速くなりました。
全体でも 2～3 秒といったところでしょうか。
まずまずの処理時間といえると思います。
損失値
loss, mae, val_loss, val_mae
の値がエポック数が増えるにつれ順調に下がっています。
しかし 26回目と比較し 27回目と 28回目で val_loss 値が悪化しました。
```
Epoch 26/40
loss: 0.0081 - mae: 0.0653 - val_loss: 0.0074 - val_mae: 0.0614
Epoch 27/40
loss: 0.0075 - mae: 0.0647 - val_loss: 0.0095 - val_mae: 0.0870
Epoch 28/40
loss: 0.0086 - mae: 0.0686 - val_loss: 0.0082 - val_mae: 0.0738
```
EarlyStopping コ－ルバックで監視する損失関数名 loss の値に val_loss を指定しました。
monitor="val_loss"
そして、悪化回数を
patience=2
としました。
よって 28回目で EarlyStopping 成立、エポックは終了しています。
損失曲線確認
訓練デ－タと検証デ－タの損失[平均絶対誤差(MAE)]曲線も確認しましょう。
下図のようになります。