pythonで始める画像処理

Google ColabでGoogle Driveへのマウントを実行する方法を紹介します。 大した処理ではないですが、この処理なしでは画像の読み込みや結果の保存等ができないので、ちゃんと覚えておきましょう！ 実施方法 マウントの実行方法 次のコマンドをコマンドライン上で実行するだけなので、やり方は非常に簡単です。 from google.colab import drive drive.mount('/content/drive/') するとColab上に、次のような画面が表示されます。 このURLをクリックすると、次の画面に遷移します。 あとは順序通りに操作を行い・・・ 下記のコードを、Colabの画面の四角い枠の中にコピペし、Enterを押します。 すると次のような画面になり、マウントは終了です。 ディレクトリの変更 ローカルでプログラムを実行する際は、相対パスでディレクトリを参照することができますが、Google Colabではcdのコマンドで事前に作業ディレクトリを指定する必要があります。 その際のコマンドは以下の通りです。 %cd "/content/drive/My Drive/*" /content/drive/My Drive/までは必須です。 それ以降は、任意のディレクトリを指定してください。 以下はマイドライブを開いたときに表示されるフォルダ名等をそのまま入力していただいて大丈夫です！ ※全角文字に対応しているかわからないのでご注意ください。 以上で終わりです。 Google Colabを駆使して、AI実装の練習に励みましょう！！

深層学習によってMNIST（手書き数字）を10クラスに分類する方法（Classification）を紹介します。 内容も盛りだくさんなので投稿を分ける予定ですが、よろしくお願いします。 なお今回のプログラムは Google Colab 上で作成しています。 "深層学習の勉強をしたいけど高性能なPCを持っていない" という方も、Google ColabはGPUが無料で使用できるのでぜひトライしてみてください。 作成したコード #モジュールのインポート import keras from keras.datasets import mnist from keras.utils import to_categorical from keras import models from keras import Input from keras.layers import Activation, Dense import matplotlib.pyplot as plt #mnistのロード (x_train,y_train),(x_val,y_val)=mnist.load_data() # mnistデータの前処理 def preprocess(data, label=False): if label: #One-Hotベクトル化 data = to_categorical(data) else: #画素値を0～1に変換 data = data.astype('float32') / 255 # (ミニバッチサイズ、横幅、縦幅)→(ミニバッチサイズ、横幅、縦幅、チャネル数)に変換 data = data.reshape((-1, 28, 28, 1)) return data x_train = preprocess(x_train) x_val = preprocess(x_val) y_train = preprocess(y_train, label=True) y_val = preprocess(y_val, label=True) #モデルの構築 model = keras.Seque