簡単機械学習④ 学習済みモデルの作成

python
###############################################################
#  学習済みモデルの作成 Flatten
###############################################################

import os
import numpy as np
import matplotlib.pyplot as plt
from tensorflow.keras.preprocessing.image import ImageDataGenerator
from tensorflow.keras.models import Sequential
from tensorflow.keras.layers import Conv2D, MaxPooling2D, Flatten, Dense, Dropout
from tensorflow.keras.optimizers import Adam

# --- 入力画像サイズ（400×200、グレースケール） ---
img_width = 400
img_height = 200
input_shape = (img_height, img_width, 1)  # (高さ, 幅, チャンネル数)

# --- クラス数（5分類：toyA, toyB, toyC, toyD, toyE） ---
num_classes = 5

# --- データ拡張（回転や左右反転は使わない） ---
train_datagen = ImageDataGenerator(
    rescale=1.0 / 255,
    validation_split=0.2  # 20%を検証用に分割
)

# --- 訓練データジェネレータ ---
train_generator = train_datagen.flow_from_directory(
    'dataset01',
    target_size=(img_height, img_width),
    color_mode='grayscale',
    class_mode='categorical',
    batch_size=16,
    subset='training',
    shuffle=True
)

# --- 検証データジェネレータ ---
val_generator = train_datagen.flow_from_directory(
    'dataset01',
    target_size=(img_height, img_width),
    color_mode='grayscale',
    class_mode='categorical',
    batch_size=16,
    subset='validation',
    shuffle=False
)

# --- モデル構築（Flatten構造CNN）---
model = Sequential()

# 畳み込み層＋プーリング層（1）
model.add(Conv2D(32, (3, 3), activation='relu', input_shape=input_shape))
model.add(MaxPooling2D(pool_size=(2, 2)))

# 畳み込み層＋プーリング層（2）
model.add(Conv2D(64, (3, 3), activation='relu'))
model.add(MaxPooling2D(pool_size=(2, 2)))

# 畳み込み層＋プーリング層（3）
model.add(Conv2D(128, (3, 3), activation='relu'))
model.add(MaxPooling2D(pool_size=(2, 2)))

# Flattenでベクトル化
model.add(Flatten())
model.add(Dropout(0.5))  # 過学習防止
model.add(Dense(128, activation='relu'))

# 出力層（5クラス：softmax）
model.add(Dense(num_classes, activation='softmax'))

# --- モデルのコンパイル ---
model.compile(
    optimizer=Adam(learning_rate=0.0005),
    loss='categorical_crossentropy',
    metrics=['accuracy']
)

# --- モデル構造の表示 ---
model.summary()

# --- 学習開始 ---
history = model.fit(
    train_generator,
    epochs=20,
    validation_data=val_generator
)

# --- 学習結果をグラフ表示 ---
plt.plot(history.history['accuracy'], label='train acc')
plt.plot(history.history['val_accuracy'], label='val acc')
plt.plot(history.history['loss'], label='train loss')
plt.plot(history.history['val_loss'], label='val loss')
plt.title('Flatten CNN Learning Curve')
plt.xlabel('Epoch')
plt.ylabel('Accuracy / Loss')
plt.grid(True)
plt.legend()
plt.show()

# --- モデル保存（.keras形式） ---
model.save("toyX_model_flatten.keras")
print(" モデル完成：toyX_model_flatten.keras")