matplotlib – pyplotのplot関数等：Kerasの使い方解説
plt.plot(history.history['accuracy'])
plt.plot(history.history['val_accuracy'])
plt.title('Model accuracy')
plt.ylabel('Accuracy')
plt.xlabel('Epoch')
plt.grid()
plt.legend(['Train', 'Validation'], loc='upper left')
plt.show()
matplotlibライブラリのモジュールのpyplotのplot関数で、以下のグラフを表示します。
＊ 「accuracy」と「val_accuracy」の違いに関して情報を探している方もいるのではないかと思います。
以前は、「acc」「val_acc」で記述していたのですが、その後、エラーが出るようになりました。
対応方法例として「accuracy」「val_accuracy」に変更するとエラーを回避できるようでしたので、現在は、「accuracy」「val_accuracy」の記述にしています。
plt.plot(history.history[‘accuracy’])
plt.plot(history.history[‘val_accuracy’])
#コード解説
：「accuracy：訓練データ（train data）の精度」「val_accuracy：検証データ（validation data）での精度」の記録をグラフ上にプロット（描き入れる）。
plt.title(‘Model accuracy’)
#コード解説
：タイトルの表記。機械学習モデルの精度。
plt.ylabel(‘Accuracy’)
#コード解説
：グラフのY軸（縦軸）の表記。精度。
plt.xlabel(‘Epoch’)
#コード解説
：グラフのX軸（横軸）の表記。エポック数（訓練データを学習させる回数）。
plt.grid()
#コード解説
：グリッド（メモリ線）をプロット（描き入れる）。
plt.legend([‘Train’, ‘Validation’], loc=’upper left’)
#コード解説
：ラベル（凡例）の表記。
「[‘Train’, ‘Validation’], loc=’upper left’：Train・Validationのラベルを左上にプロット（描き入れる）」
plt.show()
#コード解説
：グラフを表示する。
plt.plot(history.history['loss'])
plt.plot(history.history['val_loss'])
plt.title('Model loss')
plt.ylabel('Loss')
plt.xlabel('Epoch')
plt.grid()
plt.legend(['Train', 'Validation'], loc='upper left')
plt.show()
matplotlibライブラリのモジュールのpyplotのplot関数で、以下のグラフを表示します。
plt.plot(history.history[‘los’])
plt.plot(history.history[‘val_los’])
#コード解説
：「los：訓練データ（train data）の損失関数」「val_los：検証データ（validation data）での損失関数」の記録をグラフ上にプロット（描き入れる）。
plt.title(‘Model loss’)
#コード解説
：タイトルの表記。機械学習モデルの損失関数。
plt.ylabel(‘Accuracy’)
#コード解説
：グラフのY軸（縦軸）の表記。精度。
plt.xlabel(‘Epoch’)
#コード解説
：グラフのX軸（横軸）の表記。エポック数（訓練データを学習させる回数）。
plt.grid()
#コード解説
：グリッド（メモリ線）をプロット（描き入れる）。
plt.legend([‘Train’, ‘Validation’], loc=’upper left’)
#コード解説
：ラベル（凡例）の表記。
「[‘Train’, ‘Validation’], loc=’upper left’：Train・Validationのラベルを左上にプロット（描き入れる）」
plt.show()
#コード解説
：グラフを表示する。
Google Colaboratoryで、すぐに使える「訓練履歴の可視化・グラフ表示」が出来るサンプルコード（Keras・CNN・自作AI用）
【オリジナルデータセットで機械学習に挑戦】
クラウド上で無料で使えるJupyterノートブック環境「 Google Colaboratory 」でKerasを使って自作・自前画像で画像認識が出来るように、ディープラーニング（深層学習）でおなじみの「畳み込みニューラルネットワーク」（CNN：Convolutional Neural Network）のプログラミングをしてみました。機械学習モデルの畳み込みニューラルネットワークを実装する際に「matplotlib – pyplotのplot関数等」を使い「訓練履歴の可視化・グラフ表示」が出来るようにしています。
機械学習・人工知能プログラミングのオリジナルデータセットの壁を感じている方も多いのではないかと思います。
コード解説もしておきましたので、日々の学習にお役立てください。（オフラインでも学習しやすいように記事の内容を、PDFで公開してあります）
：【サンプルコード】Python・KerasでCNN機械学習。自作・自前画像のオリジナルデータセットで画像認識入門
：【コード解説】自作画像認識AI：Keras・CNN・Pythonオリジナルデータセット対応の機械学習サンプルコード
また、上記のサンプルコードを理解するために必要な画像認識関連の深層学習プログラミングの知識を学ぶ上で補助教材となりそうな書籍をレビューしておきました。日々の学習の一助になることがありましたら幸いです。
：【1周目 – 学習レビュー】Pythonで動かして学ぶ！あたらしい深層学習の教科書 機械学習の基本から深層学習まで（Aidemy公式教科書）