【機械学習③】TensorFlowのチュートリアルにあるオートエンコーダのデータセットをFashion-MNISTからCIFAR-10にしてみた

!pip install japanize-matplotlib

import matplotlib.pyplot as plt
import japanize_matplotlib 
import numpy as np
import pandas as pd
import keras
from keras import layers, losses
from keras.datasets import cifar10
from keras.models import Model

(x_train, ｙ_train), (x_test, y_test) = cifar10.load_data() #

x_train = x_train.astype('float32') / 255.
x_test = x_test.astype('float32') / 255.

cifar10_labels = np.array(['飛行機','自動車','鳥','猫','鹿','犬','蛙','馬','船','トラック'])

# 潜在空間の次元をやや大きめに設定
latent_dim = 512 #

# モデルの設計
class Autoencoder(Model):
  def __init__(self, latent_dim):
    super(Autoencoder, self).__init__()
    self.latent_dim = latent_dim   
    self.encoder = keras.Sequential([
      layers.Flatten(),
      layers.Dense(latent_dim, activation='relu'),
    ])
    self.decoder = keras.Sequential([
      layers.Dense(32*32*3, activation='sigmoid'), #
      layers.Reshape((32, 32, 3)) #
    ])

  def call(self, x):
    encoded = self.encoder(x)
    decoded = self.decoder(encoded)
    return decoded
  
# モデルのインスタンスを作成
autoencoder = Autoencoder(latent_dim)

autoencoder.compile(optimizer='adam', loss=losses.MeanSquaredError())

autoencoder.fit(x_train, x_train,
                epochs=10,
                shuffle=True,
                validation_data=(x_test, x_test))

encoded_imgs = autoencoder.encoder(x_test).numpy()
decoded_imgs = autoencoder.decoder(encoded_imgs).numpy()

# 画像表示数
n = 10
# 画像番号[0〜(9999-n)]
m = 0
plt.figure(figsize=(20, 4))
for i in range(n):
  # 元画像の表示
  ax = plt.subplot(2, n, i + 1)
  plt.imshow(x_test[m+i])
  plt.title(cifar10_labels[y_test[m+i][0]] + "　元画像")
  ax.get_xaxis().set_visible(False)
  ax.get_yaxis().set_visible(False)

  # 再構築画像の表示
  ax = plt.subplot(2, n, i + 1 + n)
  plt.imshow(decoded_imgs[m+i])
  plt.title("再構築")
  ax.get_xaxis().set_visible(False)
  ax.get_yaxis().set_visible(False)
plt.show()