他のウェブページにあるサンプルプログラムより少ないコード量でコンパクトにまとめたサンプルソースコードです．分かりやすいように必要最小限のコード量にして，見やすくしたコードがあったほうがいいと思うので，無駄な部分をとことん削除しました．
Keras(tensorflow)のCPU版のインストール方法は以下の通りです．
pip install tensorflow
Keras(tensorflow)のMNISTのソースコードは以下の通りです．
import keras
(train_images,train_labels),(test_images,test_labels)=keras.datasets.mnist.load_data()
model=keras.Sequential([
keras.layers.Flatten(input_shape=(28,28)),
keras.layers.Dense(128,activation='relu'),
keras.layers.Dense(10,activation='softmax')])
model.compile(
optimizer='adam',
loss='sparse_categorical_crossentropy',
metrics=['accuracy'])
model.fit(train_images,train_labels,epochs=10)
predictions=model.predict(test_images,verbose=1)
print(test_images[30])
print(predictions[30])
print(test_images[35])
print(predictions[35])
実行結果は以下の通りです．
[1.0986688e-23 8.2032309e-17 8.9843673e-16 9.9999857e-01 4.4098041e-11 3.7638634e-07 7.8312568e-38 7.3481271e-13 1.8313495e-12 1.0399993e-06]
10種類の数字の判定結果のうち添え字3番のスコアが一番大きいので，これは3という数字として認識された．
[2.0747413e-15 4.0649436e-08 9.9999332e-01 1.4631374e-09 0.0000000e+00 1.5581767e-12 9.1050986e-19 6.6151097e-06 2.5312184e-22 0.0000000e+00]
10種類の数字の判定結果のうち添え字2番のスコアが一番大きいので，これは2という数字として認識された．
PytorchのCPU版のインストール方法は以下の通りです．
まず https://pytorch.org/ を開きます．[INSTALL PYTORCH]のところへ行き，[Stable]，[Windows]，[Pip]，[Python]，[CPU]を選びます．[Run
this Command]に書かれているコマンドがインストール方法です．
pip3 install torch torchvision torchaudio
PytorchのMNISTのCPU版のソースコードは以下の通りです．
import torch
import torch.nn as nn
import torch.nn.functional as F
import torch.optim as optim
from torch.utils.data import DataLoader
from torchvision import datasets,transforms
transform=transforms.Compose([
transforms.ToTensor()
])
traindata=datasets.MNIST(
root='./data',
train=True,
download=True,
transform=transform
)
testdata=datasets.MNIST(
root='./data',
train=False,
download=True,
transform=transform
)
trainloader=DataLoader(traindata,batch_size=64)
class Net(nn.Module):
def __init__(self):
super().__init__()
self.l1=nn.Linear(28*28,128)
self.l2=nn.Linear(128,10)
def forward(self,x):
x=torch.flatten(x,1)
x=self.l1(x)
x=F.relu(x)
x=self.l2(x)
x=F.softmax(x,dim=1)
return x
model=Net()
criterion=nn.CrossEntropyLoss()
optimizer=optim.Adam(model.parameters())
for epoch in range(10):
print('epoch',epoch,'/',10)
model.train()
for images,labels in trainloader:
optimizer.zero_grad()
outputs=model(images)
loss=criterion(outputs,labels)
loss.backward()
optimizer.step()
model.eval()
with torch.no_grad():
image,label=testdata[30]
output=model(image)
print(image)
print(output)
image,label=testdata[35]
output=model(image)
print(image)
print(output)
実行結果は以下の通りです．
tensor([[2.4412e-17, 3.1114e-13, 4.4132e-16, 1.0000e+00, 6.7855e-17, 1.8957e-09, 2.4993e-22, 1.2994e-13, 3.7946e-13, 8.4796e-09]])
10種類の数字の判定結果のうち添え字3番のスコアが一番大きいので，これは3という数字として認識された．
tensor([[2.0772e-14, 2.3950e-12, 1.0000e+00, 2.1788e-07, 4.5914e-26, 5.4916e-11, 1.6610e-16, 1.3890e-21, 3.9839e-12, 1.4265e-22]])
10種類の数字の判定結果のうち添え字2番のスコアが一番大きいので，これは2という数字として認識された．