国立標準技術研究所の混合データ セット (MNIST データ セット) は、さまざまな IR アルゴリズムを比較する際のベンチマークとして機能させるように、IR の研究者によって作成されました。基本的な考え方としては、テストする IR アルゴリズムまたはソフトウェア システムがある場合、MNIST データ セットに対してアルゴリズムまたはシステムを実行し、他のシステムについて以前発行された結果と比較します。
データ セットには計 70,000 枚の画像が含まれており、そのうち 60,000 枚は学習用画像 (IR モデルの作成に使用) で 10,000 枚は判別用画像 (モデルの精度の評価に使用) です。各 MNIST 画像は、1 つの手書き数字をデジタル化したものです。サイズはそれぞれ 28 x 28 ピクセルです。各ピクセル値は 0 (白) ～ 255 (黒) の値で、中間のピクセル値は灰色の網かけを表します。図 2 に示すのは、学習用セットの最初の画像 8 枚です。各画像に対応した実際の数値を識別するのは、人間には簡単ですが、コンピューターにとっては至難の業です。
https://account.windowsazure.com に接続しログイン
右上の「ポータル」を選択
「MACHINE LEARNING」を選択後、左下の「新規」から「簡易作成」
「ワークスペース名」と「ストレージアカウント名」を記入し、「MLワークスペースの作成」
作成した「MACHINE LEARNING」を選択し、 「自分のワークスペースにアクセス」の「ML Studio にサインイン」を選択
左下の「NEW」から「Blank Experiment」を選択
Saved Datasets / MNIST Train 60k 28x28 dense をドラッグ＆ドロップ
Machine Learning / Train / Train Model をドラッグ＆ドロップ
MNIST Train 60k 28x28 denseの下の点とTrain Modelの右上を線でつなげる
Machine Learning / Initialize Model / Classification / の
- Multiclass Decision Forest
- Multiclass Decision Jungle
- Multiclass Logistic Regression
- Multiclass Neural Network
上記4つの中から好きな物を選んでドラッグ＆ドロップ Multiclass〜の下の点とTrain Modelの左上を線でつなげる
Train Modelをクリックし、右に出た「Launch column selector」を選択
空欄のところをクリックすると一番上に「Label」があるのでこれを選択
Machine Learning / Initialize Model / Score / Score Model をドラッグ＆ドロップ Train Modelの下の点とScore Modelの左上を線でつなげる
Saved Datasets / MNIST Test 10k 28x28 dense をドラッグ＆ドロップ MNIST Test 10k 28x28 denseの下の点とScore Modelの右上を線でつなげる
Machine Learning / Evaluate / Evaluate Model をドラッグ＆ドロップ Score Modelの下の点とEvaluate Modelの上の点どちらかを線でつなげる
下の「RUN」ボタンをクリック RUNが終了したら（Evaluate Modelまでチェックマークがついたら）Evaluate Modelの下の点をクリック Visualizeを選択すると結果が表示される
Web Service / Input と Web Service / Output をドラッグ＆ドロップ
Inputの下の点とScore Modelの右上を線でつなげる Outputの上の点とScore Modelの下を線でつなげる 下の方にあるフラスコマーク「Click to Swich to web service view」をクリック （クリックすると、画像のように地球マークになる）
下の「PUBLISH WEB SERVICE」ボタンをクリックし、YESを選択
Public web Serviceボタンをクリックすると、下のような画面が開きます。
この画面では、今作成したWeb APIの仕様を確認したり、テストしたりすることができます。
APIの仕様を確認すると、どのようなエンドポイントにアクセスし、 どのようなパラメータがあり、どのようなレスポンスが帰ってくるのかを確認する事ができます。
もし自分のアプリケーションに機械学習の機能を取り込むのであれば、このドキュメントを見ることになります。
ドキュメントの最後には、R, Python, C#でのサンプルコードも載っているので、参考にすることができます。
WebAPIのテストもブラウザから簡単に行う事ができます。
このリンクをクリックする事で、テスト用のフォームが開きます。
入力として必要な項目を入力し、チェックマークをクリックすると、APIに問い合わせをします。
このようなページが開きます。
AzureMLのWeb Serviceから、POST先のURLととAPI KEYを入手します。
- API Key
- エンドポイント
上記二つの情報を確認フォームの0.Azure MLのAPI情報に入力
- ペイント等で文字を書きます。
- 書いた文字をアップロードします。
-
アップロードされた画像はリサイズされます。
-
文字認識完了
新しく仮想マシンを立ち上げ、SSHでログイン
$ sudo yum -y install httpd php php-mbstring php-gd git
$ git clone https://github.com/tottok-ug/azure-ml-mnist-test-web-ui.gitPHPの動くWebサーバのドキュメントルートに
public/配下の
- img/
- js/
- css/
- detect.php
- index.html
- upload.php
を入れておく。