[TensorFlow] MNIST 수행 결과 matplotlib로 이미지와 함께 출력

저는 파이썬 알못이라 matplotlib를 처음 듣지만 파이썬을 주 언어로 사용하시던 분들은 아마 잘 아실듯... 부럽다.

아무튼 이걸로 데이터를 시각화할 수 있다고 합니다.

여기선 MNIST에 있는 손글씨 숫자 이미지를 화면에 뿌려볼겁니다.

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80 81 82 83

import tensorflow as tf import numpy as np import matplotlib.pyplot as plt   from tensorflow.examples.tutorials.mnist import input_data mnist = input_data.read_data_sets("./mnist/data/", one_hot=True)   X = tf.placeholder(tf.float32, [None, 784]) Y = tf.placeholder(tf.float32, [None, 10])   keep_prob = tf.placeholder(tf.float32)   W1 = tf.Variable(tf.random_normal([784, 256], stddev=0.01)) b1 = tf.Variable(tf.random_normal([256], stddev=0.01)) L1 = tf.add(tf.matmul(X, W1), b1) L1 = tf.nn.relu(L1) L1 = tf.nn.dropout(L1, keep_prob)   W2 = tf.Variable(tf.random_normal([256, 256], stddev=0.01)) b2 = tf.Variable(tf.random_normal([256], stddev=0.01)) L2 = tf.add(tf.matmul(L1, W2), b2) L2 = tf.nn.relu(L2) L2 = tf.nn.dropout(L2, keep_prob)   W3 = tf.Variable(tf.random_normal([256, 10], stddev=0.01)) b3 = tf.Variable(tf.random_normal([10], stddev=0.01)) model = tf.add(tf.matmul(L2, W3), b3)   cost = tf.reduce_mean(tf.nn.softmax_cross_entropy_with_logits(     labels=Y, logits=model ))   optimizer = tf.train.AdamOptimizer(learning_rate=0.001).minimize(cost)   with tf.Session() as sess:     sess.run(tf.global_variables_initializer())       batch_size = 100     total_batch = int(mnist.train.num_examples / batch_size)       for epoch in range(15):         total_cost = 0           for i in range(total_batch):             batch_xs, batch_ys = mnist.train.next_batch(batch_size)               _, cost_val = sess.run([optimizer, cost],                 feed_dict={X: batch_xs, Y: batch_ys, keep_prob: 0.8})               total_cost += cost_val           print('Epoch:', '%04d' % (epoch + 1),             'Avg. cost =', '{:.3f}'.format(total_cost / total_batch))       print('완료!')       is_correct = tf.equal(tf.argmax(model, 1), tf.argmax(Y, 1))     accuracy = tf.reduce_mean(tf.cast(is_correct, tf.float32))     print('정확도: %.2f' % sess.run(accuracy * 100,         feed_dict={X: mnist.test.images, Y: mnist.test.labels, keep_prob: 1}))       labels = sess.run(model,         feed_dict={X: mnist.test.images, Y: mnist.test.labels, keep_prob: 1})       fig = plt.figure()       for i in range(10):         # 2x5 그리드에 i+1번째 subplot을 추가하고 얻어옴         subplot = fig.add_subplot(2, 5, i + 1)           # x, y 축의 지점 표시를 안함         subplot.set_xticks([])         subplot.set_yticks([])           # subplot의 제목을 i번째 결과에 해당하는 숫자로 설정         subplot.set_title('%d' % np.argmax(labels[i]))           # 입력으로 사용한 i번째 테스트 이미지를 28x28로 재배열하고         # 이 2차원 배열을 그레이스케일 이미지로 출력         subplot.imshow(mnist.test.images[i].reshape((28, 28)),             cmap=plt.cm.gray_r)       plt.show() Colored by Color Scripter

cs

요렇게 실행하고 학습이 끝날때까지 기다리면

Epoch: 0001 Avg. cost = 0.429 Epoch: 0002 Avg. cost = 0.162 Epoch: 0003 Avg. cost = 0.114 Epoch: 0004 Avg. cost = 0.087 Epoch: 0005 Avg. cost = 0.071 Epoch: 0006 Avg. cost = 0.062 Epoch: 0007 Avg. cost = 0.054 Epoch: 0008 Avg. cost = 0.048 Epoch: 0009 Avg. cost = 0.041 Epoch: 0010 Avg. cost = 0.036 Epoch: 0011 Avg. cost = 0.031 Epoch: 0012 Avg. cost = 0.033 Epoch: 0013 Avg. cost = 0.028 Epoch: 0014 Avg. cost = 0.028 Epoch: 0015 Avg. cost = 0.025 완료! 정확도: 97.88

이렇게 나온 다음 아래 창이 뜹니다.

와우!

콘솔창으로 결과를 확인하는것보다 훨씬 이쁘네요.

참고

• add_subplot : 링크
• set_xticks, set_yticks : 링크
• grayscale : 링크