DEEP LEARNING : MNISTAnomaly：AI-Anesth 9

もう少しDL4JのExampleを調査する。
MNISTAnomalyExampleは、
http://yann.lecun.com/exdb/mnist/
にある50,000枚の手書き数字学習用画像ライブラリについて、機械学習オートエンコーダで判断で最善のスコア5件と最悪のスコア5件をリストアップする

さて、このアルゴリズムがどのようにコードに埋め込まれているのか確認していこう。

入力データアルゴリズム：

//Load data and split into training and testing sets. 40000 train, 10000 test: 40,000の訓練データと10,000の評価データ
DataSetIterator iter = new MnistDataSetIterator(100,50000,false);　//バッチサイズ100、 50,000の訓練データ
// MnistDataSetIterator(int batchSize, boolean train, int seed) 

List<INDArray> featuresTrain = new ArrayList<>();  //INDArrayデータを複数含むリストである。
List<INDArray> featuresTest = new ArrayList<>();　//INDArrayデータを複数含むリストである。
List<INDArray> labelsTest = new ArrayList<>();　//INDArrayデータを複数含むリストである。

    Random r = new Random(12345);
    while(iter.hasNext()){
         DataSet ds = iter.next();　//dsにデータ・セット
         SplitTestAndTrain split = ds.splitTestAndTrain(80, r);  
//80/20 split (from miniBatch = 100)　訓練データ80と評価データ20を分離
         featuresTrain.add(split.getTrain().getFeatures()); //訓練データをfeaturesTrainへスプリット
         DataSet dsTest = split.getTest();  
         featuresTest.add(dsTest.getFeatures()); //評価データをfeaturesTestへスプリット
         INDArray indexes = Nd4j.argMax(dsTest.getLabels(),1); //Convert from one-hot representation -> index
         labelsTest.add(indexes);　//one-hotで得られた最大値をindexesにおさめて、labelsTestへ加える
        }

//Load data and split into training and testing sets. 40000 train, 10000 test: 40,000の訓練データと10,000の評価データ

DataSetIterator iter = new MnistDataSetIterator(100,50000,false);　//バッチサイズ100、 50,000の訓練データ

// MnistDataSetIterator(int batchSize, boolean train, int seed)

List<INDArray> featuresTrain = new ArrayList<>(); //INDArrayデータを複数含むリストである。

List<INDArray> featuresTest = new ArrayList<>();　//INDArrayデータを複数含むリストである。

List<INDArray> labelsTest = new ArrayList<>();　//INDArrayデータを複数含むリストである。

Random r = new Random(12345);

while(iter.hasNext()){

DataSet ds = iter.next();　//dsにデータ・セット

SplitTestAndTrain split = ds.splitTestAndTrain(80, r);

//80/20 split (from miniBatch = 100)　訓練データ80と評価データ20を分離

featuresTrain.add(split.getTrain().getFeatures()); //訓練データをfeaturesTrainへスプリット

DataSet dsTest = split.getTest();

featuresTest.add(dsTest.getFeatures()); //評価データをfeaturesTestへスプリット

INDArray indexes = Nd4j.argMax(dsTest.getLabels(),1); //Convert from one-hot representation -> index

labelsTest.add(indexes);　//one-hotで得られた最大値をindexesにおさめて、labelsTestへ加える

}

ニューラルネットワーク構造：

//Load data and split into training and testing sets. 40000 train, 10000 test: 40,000の訓練データと10,000の評価データ

DataSetIterator iter = new MnistDataSetIterator(100,50000,false);　//バッチサイズ100、 50,000の訓練データ
　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　// MnistDataSetIterator(int batchSize, boolean train, int seed) 

List<INDArray> featuresTrain = new ArrayList<>();  //INDArrayデータを複数含むリストである。
List<INDArray> featuresTest = new ArrayList<>();　//INDArrayデータを複数含むリストである。
List<INDArray> labelsTest = new ArrayList<>();　//INDArrayデータを複数含むリストである。

   Random r = new Random(12345);
   while(iter.hasNext()){
        DataSet ds = iter.next();　//dsにデータ・セット
        SplitTestAndTrain split = ds.splitTestAndTrain(80, r);  
　　　　　　　//80/20 split (from miniBatch = 100)　訓練データ80と評価データ20を分離
        featuresTrain.add(split.getTrain().getFeatures()); //訓練データをfeaturesTrainへスプリット
        DataSet dsTest = split.getTest();  
        featuresTest.add(dsTest.getFeatures()); //評価データをfeaturesTestへスプリット
        INDArray indexes = Nd4j.argMax(dsTest.getLabels(),1); //Convert from one-hot representation -> index
        labelsTest.add(indexes);　//one-hotで得られた最大値をindexesにおさめて、labelsTestへ加える

//Load data and split into training and testing sets. 40000 train, 10000 test: 40,000の訓練データと10,000の評価データ

DataSetIterator iter = new MnistDataSetIterator(100,50000,false);　//バッチサイズ100、 50,000の訓練データ

　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　// MnistDataSetIterator(int batchSize, boolean train, int seed)

List<INDArray> featuresTrain = new ArrayList<>(); //INDArrayデータを複数含むリストである。

List<INDArray> featuresTest = new ArrayList<>();　//INDArrayデータを複数含むリストである。

List<INDArray> labelsTest = new ArrayList<>();　//INDArrayデータを複数含むリストである。

Random r = new Random(12345);

while(iter.hasNext()){

DataSet ds = iter.next();　//dsにデータ・セット

SplitTestAndTrain split = ds.splitTestAndTrain(80, r);

　　　　　　　//80/20 split (from miniBatch = 100)　訓練データ80と評価データ20を分離

featuresTrain.add(split.getTrain().getFeatures()); //訓練データをfeaturesTrainへスプリット

DataSet dsTest = split.getTest();

featuresTest.add(dsTest.getFeatures()); //評価データをfeaturesTestへスプリット

INDArray indexes = Nd4j.argMax(dsTest.getLabels(),1); //Convert from one-hot representation -> index

labelsTest.add(indexes);　//one-hotで得られた最大値をindexesにおさめて、labelsTestへ加える

訓練モデル：

//Train model:
   　int nEpochs = 30;　　//30エポック
     for( int epoch=0; epoch<nEpochs; epoch++ ){
         for(INDArray data : featuresTrain){
             net.fit(data,data);　//訓練
         }
     System.out.println("Epoch " + epoch + " complete");
     }

//Train model:

　int nEpochs = 30;　　//30エポック

for( int epoch=0; epoch<nEpochs; epoch++ ){

for(INDArray data : featuresTrain){

net.fit(data,data);　//訓練

}

System.out.println("Epoch " + epoch + " complete");

}

テストデータでのモデル評価

//Evaluate the model on the test data　　テストデータでのモデル評価
//Score each example in the test set separately
//Compose a map that relates each digit to a list of (score, example) pairs スコアと例のリスト作成
//Then find N best and N worst scores per digit　　ベストとワーストを見つける

Map<Integer,List<Pair<Double,INDArray>>> listsByDigit = new HashMap<>();
//listsByDifit Integer,List<Pair<Double,INDArray>>というMapをHashMap関数を使って実装する。
// Pair(K key, V value)

for( int i=0; i<10; i++ ) listsByDigit.put(i,new ArrayList<>());
　　　　　　　　　// 0から10まで、Map実装listsByDigitにdigitとArrayList<>を配置。
     for( int i=0; i<featuresTest.size(); i++ ){  //featuresTest(List<INDArray>)のサイズ繰り返す。500個

     INDArray testData = featuresTest.get(i); //featuresTest(List<INDArray>)の中身を順番にINDArray testDataへ取り出す。
     INDArray labels = labelsTest.get(i);  // List<INDArray> labelsTestの中身を順番にINDArray labelsへ取り出す。
     int nRows = testData.rows();  // INDArray testDataの行数をnRowsへ　20行：テストデータは20件。

     for( int j=0; j<nRows; j++){  // INDArray testDataの20行数繰り返す。
     INDArray example = testData.getRow(j);　//行づつINDArray exampleへ移す。
           int digit = (int)labels.getDouble(j);  // INDArray labelsの中身を移す。
           double score = net.score(new DataSet(example,example));
                // Add (score, example) pair to the appropriate list
           List digitAllPairs = listsByDigit.get(digit);
           digitAllPairs.add(new ImmutablePair<>(score, example));
      }
}

//Evaluate the model on the test data　　テストデータでのモデル評価

//Score each example in the test set separately

//Compose a map that relates each digit to a list of (score, example) pairs スコアと例のリスト作成

//Then find N best and N worst scores per digit　　ベストとワーストを見つける

Map<Integer,List<Pair<Double,INDArray>>> listsByDigit = new HashMap<>();

//listsByDifit Integer,List<Pair<Double,INDArray>>というMapをHashMap関数を使って実装する。

// Pair(K key, V value)

for( int i=0; i<10; i++ ) listsByDigit.put(i,new ArrayList<>());

　　　　　　　　　// 0から10まで、Map実装listsByDigitにdigitとArrayList<>を配置。

for( int i=0; i<featuresTest.size(); i++ ){ //featuresTest(List<INDArray>)のサイズ繰り返す。500個

INDArray testData = featuresTest.get(i); //featuresTest(List<INDArray>)の中身を順番にINDArray testDataへ取り出す。

INDArray labels = labelsTest.get(i); // List<INDArray> labelsTestの中身を順番にINDArray labelsへ取り出す。

int nRows = testData.rows(); // INDArray testDataの行数をnRowsへ　20行：テストデータは20件。

for( int j=0; j<nRows; j++){ // INDArray testDataの20行数繰り返す。

INDArray example = testData.getRow(j);　//行づつINDArray exampleへ移す。

int digit = (int)labels.getDouble(j); // INDArray labelsの中身を移す。

double score = net.score(new DataSet(example,example));

// Add (score, example) pair to the appropriate list

List digitAllPairs = listsByDigit.get(digit);

digitAllPairs.add(new ImmutablePair<>(score, example));

}

スコアリング結果でのソート：

//Sort each list in the map by score

Comparator<Pair<Double, INDArray>> c = new Comparator<Pair<Double, INDArray>>() {
// public interface Comparator<T> オブジェクトのコレクションで全体順序付けを行う比較関数です。
//Doubleクラスは、プリミティブ型doubleの値をオブジェクトにラップします。

    @Override //スーパークラスのメソッドをサブクラスで記述
    public int compare(Pair<Double, INDArray> o1, Pair<Double, INDArray> o2) {
           return Double.compare(o1.getLeft(),o2.getLeft());
    }
// compare(T o1,T o2) 順序付けのために2つの引数を比較します。

};

    for(List<Pair<Double, INDArray>> digitAllPairs : listsByDigit.values()){
          Collections.sort(digitAllPairs, c);
    }
// Collections.sort(List<T> list, Comparator<? super T> c) 指定されたコンパレータが示す順序に従って、指定されたリストをソートします。

//Sort each list in the map by score

Comparator<Pair<Double, INDArray>> c = new Comparator<Pair<Double, INDArray>>() {

// public interface Comparator<T> オブジェクトのコレクションで全体順序付けを行う比較関数です。

//Doubleクラスは、プリミティブ型doubleの値をオブジェクトにラップします。

@Override //スーパークラスのメソッドをサブクラスで記述

public int compare(Pair<Double, INDArray> o1, Pair<Double, INDArray> o2) {

return Double.compare(o1.getLeft(),o2.getLeft());

}

// compare(T o1,T o2) 順序付けのために2つの引数を比較します。

};

for(List<Pair<Double, INDArray>> digitAllPairs : listsByDigit.values()){

Collections.sort(digitAllPairs, c);

}

// Collections.sort(List<T> list, Comparator<? super T> c) 指定されたコンパレータが示す順序に従って、指定されたリストをソートします。

Best,Worst画像の表示

//After sorting, select N best and N worst scores (by reconstruction error) for each digit, where N=5
        List<INDArray> best = new ArrayList<>(50);
        List<INDArray> worst = new ArrayList<>(50);
        for( int i=0; i<10; i++ ){
            List<Pair<Double,INDArray>> list = listsByDigit.get(i);
            for( int j=0; j<5; j++ ){
                best.add(list.get(j).getRight());
                worst.add(list.get(list.size()-j-1).getRight());
            }
        }

//Visualize the best and worst digits
        MNISTVisualizer bestVisualizer = new MNISTVisualizer(2.0,best,"Best (Low Rec. Error)");
        bestVisualizer.visualize();

        MNISTVisualizer worstVisualizer = new MNISTVisualizer(2.0,worst,"Worst (High Rec. Error)");
        worstVisualizer.visualize();
    }

//After sorting, select N best and N worst scores (by reconstruction error) for each digit, where N=5

List<INDArray> best = new ArrayList<>(50);

List<INDArray> worst = new ArrayList<>(50);

for( int i=0; i<10; i++ ){

List<Pair<Double,INDArray>> list = listsByDigit.get(i);

for( int j=0; j<5; j++ ){

best.add(list.get(j).getRight());

worst.add(list.get(list.size()-j-1).getRight());

}

//Visualize the best and worst digits

MNISTVisualizer bestVisualizer = new MNISTVisualizer(2.0,best,"Best (Low Rec. Error)");

bestVisualizer.visualize();

MNISTVisualizer worstVisualizer = new MNISTVisualizer(2.0,worst,"Worst (High Rec. Error)");

worstVisualizer.visualize();

}

数字画像を表示させる関数 MNISTVisualizer()

    public static class MNISTVisualizer {
        private double imageScale;
        private List<INDArray> digits;  //Digits (as row vectors), one per INDArray
        private String title;
        private int gridWidth;

        public MNISTVisualizer(double imageScale, List<INDArray> digits, String title ) {
            this(imageScale, digits, title, 5);
        }

        public MNISTVisualizer(double imageScale, List<INDArray> digits, String title, int gridWidth ) {
            this.imageScale = imageScale;
            this.digits = digits;
            this.title = title;
            this.gridWidth = gridWidth;
        }

        public void visualize(){
            JFrame frame = new JFrame();
            frame.setTitle(title);
            frame.setDefaultCloseOperation(JFrame.EXIT_ON_CLOSE);

            JPanel panel = new JPanel();
            panel.setLayout(new GridLayout(0,gridWidth));

            List<JLabel> list = getComponents();
            for(JLabel image : list){
                panel.add(image);
            }

            frame.add(panel);
            frame.setVisible(true);
            frame.pack();
        }

        private List<JLabel> getComponents(){
            List<JLabel> images = new ArrayList<>();

            for( INDArray arr : digits ){  // List<INDArray> digits 繰り返し
                BufferedImage bi = new BufferedImage(28,28,BufferedImage.TYPE_BYTE_GRAY);
                for( int i=0; i<784; i++ ){  //28x28=784 データ値をBufferedImageへ
                    bi.getRaster().setSample(i % 28, i / 28, 0, (int)(255*arr.getDouble(i)));
                }
                ImageIcon orig = new ImageIcon(bi);
                Image imageScaled = orig.getImage().getScaledInstance((int)(imageScale*28),(int)(imageScale*28),Image.SCALE_REPLICATE);
                ImageIcon scaled = new ImageIcon(imageScaled);
                images.add(new JLabel(scaled));
            }
            return images;
        }
    }
}

public static class MNISTVisualizer {

private double imageScale;

private List<INDArray> digits; //Digits (as row vectors), one per INDArray

private String title;

private int gridWidth;

public MNISTVisualizer(double imageScale, List<INDArray> digits, String title ) {

this(imageScale, digits, title, 5);

}

public MNISTVisualizer(double imageScale, List<INDArray> digits, String title, int gridWidth ) {

this.imageScale = imageScale;

this.digits = digits;

this.title = title;

this.gridWidth = gridWidth;

}

public void visualize(){

JFrame frame = new JFrame();

frame.setTitle(title);

frame.setDefaultCloseOperation(JFrame.EXIT_ON_CLOSE);

JPanel panel = new JPanel();

panel.setLayout(new GridLayout(0,gridWidth));

List<JLabel> list = getComponents();

for(JLabel image : list){

panel.add(image);

}

frame.add(panel);

frame.setVisible(true);

frame.pack();

}

private List<JLabel> getComponents(){

List<JLabel> images = new ArrayList<>();

for( INDArray arr : digits ){ // List<INDArray> digits 繰り返し

BufferedImage bi = new BufferedImage(28,28,BufferedImage.TYPE_BYTE_GRAY);

for( int i=0; i<784; i++ ){ //28x28=784 データ値をBufferedImageへ

bi.getRaster().setSample(i % 28, i / 28, 0, (int)(255*arr.getDouble(i)));

}

ImageIcon orig = new ImageIcon(bi);

Image imageScaled = orig.getImage().getScaledInstance((int)(imageScale*28),(int)(imageScale*28),Image.SCALE_REPLICATE);

ImageIcon scaled = new ImageIcon(imageScaled);

images.add(new JLabel(scaled));

}

return images;

}

ここまででアルゴリズムの概略が把握できたが、詳細なデータ構造は、多重のリストや配列、マップでちょっと複雑ですね。そこで、変数の内容をファイルに書き込んで、データを分析してみよう。
標準出力をファイルへのデータ書き込みへ変更するコードを埋め込む。

        Map<Integer,List<Pair<Double,INDArray>>> listsByDigit = new HashMap<>();
        for( int i=0; i<10; i++ ) listsByDigit.put(i,new ArrayList<>());

        PrintStream sysOut = System.out;

        FileOutputStream fos = new FileOutputStream("out_MNISTAnom.txt");
        PrintStream ps = new PrintStream(fos);

        System.setOut(ps);
        for( int i=0; i<featuresTest.size(); i++ ){
            INDArray testData = featuresTest.get(i);
            INDArray labels = labelsTest.get(i);
            int nRows = testData.rows();

            //System.out.println("featuresTest.size:"+ featuresTest.size());
            //System.out.println("testData:"+ testData.toString());
            //System.out.println("labesl:" + labels);
            //System.out.println("nRows:"+ nRows);

            for( int j=0; j<nRows; j++){
                INDArray example = testData.getRow(j);
                int digit = (int)labels.getDouble(j);
                System.out.println("example:"+ example);
                System.out.println("digit:"+ digit);
                
                double score = net.score(new DataSet(example,example));
                // Add (score, example) pair to the appropriate list
                List digitAllPairs = listsByDigit.get(digit);
                digitAllPairs.add(new ImmutablePair<>(score, example));
                
                System.out.println("score:"+ score);
               //System.out.println("digitAllPairs:"+ digitAllPairs);
            }
        }
        ps.close();
        fos.close();
        System.setOut(sysOut);

Map<Integer,List<Pair<Double,INDArray>>> listsByDigit = new HashMap<>();

for( int i=0; i<10; i++ ) listsByDigit.put(i,new ArrayList<>());

PrintStream sysOut = System.out;

FileOutputStream fos = new FileOutputStream("out_MNISTAnom.txt");

PrintStream ps = new PrintStream(fos);

System.setOut(ps);

for( int i=0; i<featuresTest.size(); i++ ){

INDArray testData = featuresTest.get(i);

INDArray labels = labelsTest.get(i);

int nRows = testData.rows();

//System.out.println("featuresTest.size:"+ featuresTest.size());

//System.out.println("testData:"+ testData.toString());

//System.out.println("labesl:" + labels);

//System.out.println("nRows:"+ nRows);

for( int j=0; j<nRows; j++){

INDArray example = testData.getRow(j);

int digit = (int)labels.getDouble(j);

System.out.println("example:"+ example);

System.out.println("digit:"+ digit);

double score = net.score(new DataSet(example,example));

// Add (score, example) pair to the appropriate list

List digitAllPairs = listsByDigit.get(digit);

digitAllPairs.add(new ImmutablePair<>(score, example));

System.out.println("score:"+ score);

//System.out.println("digitAllPairs:"+ digitAllPairs);

}

ps.close();

fos.close();

System.setOut(sysOut);

ファイルに記述された1万個の評価用データの中から、はじめの１個めのexmple変数の内容、digit、そしてscoreを覗いてみる。

example:[[         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,         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,    0.0235,    0.0745,    0.5216,    0.5216,    0.6118,    0.9961,    0.9961,    0.8392,    0.3255,         0,         0,         0,         0,         0,         0,         0,         0,         0,         0,         0,         0,         0,         0,         0,         0,         0,    0.0392,    0.5255,    0.7725,    0.9961,    0.9922,    0.9922,    0.9922,    0.9922,    0.9922,    0.9922,    0.6118,         0,         0,         0,         0,         0,         0,         0,         0,         0,         0,         0,         0,         0,         0,         0,    0.1098,    0.3059,    0.7608,    0.9922,    0.9922,    0.9961,    0.9804,    0.8510,    0.8510,    0.8863,    0.9922,    0.9922,    0.6118,         0,         0,         0,         0,         0,         0,         0,         0,         0,         0,         0,         0,         0,    0.0392,    0.5294,    0.9176,    0.9922,    0.9922,    0.9922,    0.9922,    0.9647,    0.2980,         0,    0.0392,    0.3843,    0.9922,    0.9922,    0.5216,         0,         0,         0,         0,         0,         0,         0,         0,         0,         0,         0,         0,    0.0353,    0.6078,    0.9922,    0.9922,    0.9922,    0.8784,    0.7765,    0.5255,    0.2706,         0,         0,    0.3059,    0.9922,    0.9922,    0.7529,    0.0392,         0,         0,         0,         0,         0,         0,         0,         0,         0,         0,         0,         0,    0.0353,    0.5490,    0.7059,    0.3451,    0.2353,    0.1255,    0.0235,         0,         0,         0,    0.2471,    0.9176,    0.9922,    0.6392,    0.1569,         0,         0,         0,         0,         0,         0,         0,         0,         0,         0,         0,         0,         0,         0,         0,         0,         0,         0,         0,         0,         0,         0,    0.0353,    0.7412,    0.9922,    0.6392,    0.0471,         0,         0,         0,         0,         0,         0,         0,         0,         0,         0,         0,         0,         0,         0,         0,         0,         0,         0,         0,         0,         0,         0,    0.0431,    0.8667,    0.9922,    0.8275,    0.0392,         0,         0,         0,         0,         0,         0,         0,         0,         0,         0,         0,         0,         0,         0,         0,         0,         0,         0,         0,         0,         0,         0,         0,    0.2549,    0.9922,    0.9333,    0.2314,         0,         0,         0,         0,         0,         0,         0,         0,         0,         0,         0,         0,         0,         0,         0,         0,         0,         0,         0,         0,         0,         0,         0,    0.2314,    0.9765,    0.9490,    0.2196,         0,         0,         0,         0,         0,         0,         0,         0,         0,         0,         0,         0,         0,         0,         0,         0,         0,         0,         0,         0,         0,         0,         0,    0.2510,    0.9765,    0.9765,    0.2039,         0,         0,         0,         0,         0,         0,         0,         0,         0,         0,         0,         0,         0,         0,         0,         0,         0,         0,         0,         0,         0,         0,         0,    0.0392,    0.9098,    0.9922,    0.6314,         0,         0,         0,         0,         0,         0,         0,         0,         0,         0,         0,         0,         0,         0,         0,         0,         0,         0,         0,         0,         0,         0,         0,    0.2078,    0.7608,    0.9922,    0.6980,         0,         0,         0,         0,         0,         0,         0,         0,         0,         0,         0,         0,         0,         0,         0,         0,         0,         0,         0,         0,         0,         0,         0,         0,    0.6510,    0.9922,    0.9098,    0.1922,         0,         0,         0,         0,         0,         0,         0,         0,         0,         0,         0,         0,         0,         0,         0,         0,         0,         0,         0,         0,         0,         0,         0,    0.3216,    0.9412,    0.9020,    0.2039,         0,         0,         0,         0,         0,         0,         0,         0,         0,         0,         0,         0,         0,         0,         0,         0,         0,         0,         0,         0,         0,         0,         0,    0.0706,    0.8275,    0.8980,    0.2118,         0,         0,         0,         0,         0,         0,         0,         0,         0,         0,         0,         0,         0,         0,         0,         0,         0,         0,         0,         0,         0,         0,         0,    0.0667,    0.4941,    0.9922,    0.5020,         0,         0,         0,         0,         0,         0,         0,         0,         0,         0,         0,         0,         0,         0,         0,         0,         0,         0,         0,         0,         0,         0,         0,         0,    0.1922,    0.9922,    0.5647,    0.0275,         0,         0,         0,         0,         0,         0,         0,         0,         0,         0,         0,         0,         0,         0,         0,         0,         0,         0,         0,         0,         0,         0,         0,    0.0627,    0.7647,    0.8902,    0.1333,         0,         0,         0,         0,         0,         0,         0,         0,         0,         0,         0,         0,         0,         0,         0,         0,         0,         0,         0,         0,         0,         0,         0,         0,    0.5961,    0.9020,    0.1686,         0,         0,         0,         0,         0,         0,         0,         0,         0,         0,         0,         0,         0,         0,         0,         0,         0,         0,         0]]
digit:7
score:0.06809146115858107

example:[[ 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, 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, 0.0235, 0.0745, 0.5216, 0.5216, 0.6118, 0.9961, 0.9961, 0.8392, 0.3255, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0.0392, 0.5255, 0.7725, 0.9961, 0.9922, 0.9922, 0.9922, 0.9922, 0.9922, 0.9922, 0.6118, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0.1098, 0.3059, 0.7608, 0.9922, 0.9922, 0.9961, 0.9804, 0.8510, 0.8510, 0.8863, 0.9922, 0.9922, 0.6118, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0.0392, 0.5294, 0.9176, 0.9922, 0.9922, 0.9922, 0.9922, 0.9647, 0.2980, 0, 0.0392, 0.3843, 0.9922, 0.9922, 0.5216, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0.0353, 0.6078, 0.9922, 0.9922, 0.9922, 0.8784, 0.7765, 0.5255, 0.2706, 0, 0, 0.3059, 0.9922, 0.9922, 0.7529, 0.0392, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0.0353, 0.5490, 0.7059, 0.3451, 0.2353, 0.1255, 0.0235, 0, 0, 0, 0.2471, 0.9176, 0.9922, 0.6392, 0.1569, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0.0353, 0.7412, 0.9922, 0.6392, 0.0471, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0.0431, 0.8667, 0.9922, 0.8275, 0.0392, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0.2549, 0.9922, 0.9333, 0.2314, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0.2314, 0.9765, 0.9490, 0.2196, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0.2510, 0.9765, 0.9765, 0.2039, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0.0392, 0.9098, 0.9922, 0.6314, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0.2078, 0.7608, 0.9922, 0.6980, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0.6510, 0.9922, 0.9098, 0.1922, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0.3216, 0.9412, 0.9020, 0.2039, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0.0706, 0.8275, 0.8980, 0.2118, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0.0667, 0.4941, 0.9922, 0.5020, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0.1922, 0.9922, 0.5647, 0.0275, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0.0627, 0.7647, 0.8902, 0.1333, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0.5961, 0.9020, 0.1686, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0]]

digit:7

score:0.06809146115858107

このデータをエクセルに移してみると、数値が７であることがわかる。スコアは、0.06809146115858107.

リストや配列の中にそういうデータが転送されてくるのか、もう一度、整理確認してみよう。

Science To Medicine

Just My Daily Study Note by ts.anesth.kpum

DEEP LEARNING : MNISTAnomaly：AI-Anesth 9