Tensorflowで数字の分類器を構築する方法

この記事は、Muminjon 氏のブログの抄訳です

MNIST (Modified National Institute of Standards and Technologyの略)は、包括的なコンピュータビジョンデータベースのるつぼです。1999年のリリース以来、MNISTの古典的な手書きのイメージのデータセットは、分類アルゴリズムのベンチマークの基盤として受け入れられてきました。

mnist 7851794 2 — 画像のソース元 <a href=httpswwwresearchgatenetfigureImages generated by different GAN architectures trained on MNIST 1 and MNIST 2 The fig1 331152942 target= blank rel=noreferrer noopener>researchgatenet<a>

ほとんどの場合、はじめて学習する方はMNISTで与えられた数字を分類することから始めます。このブログでは、RAD Studio(Delphi)とTensorFlowを使用して、数字の分類を行なう方法を紹介いたします。

このチュートリアルで学べることは？

簡単なニューラルネットワークを含むコンピュータビジョンの基礎
分類する方法

MNISTとは？

MNISTは、0から9までの手書きの1桁の数字で、28×28ピクセルの範囲に収まるようにサイズが正規化されたグレースケール画像 6万枚のデータセットです。20年以上の歴史があるため、様々なトップパフォーマンスのモデルがディープラーニングの畳み込みニューラルネットワークの分野で、99%以上の分類精度を達成しています。

画像内の手書きの数字を認識するには？

「TensorFlow」は、Google Brainラボが開発した深層学習研究のためのオープンソースのライブラリです。通常、プロジェクトの新しいモデルをトレーニングするのに時間がかかりますが、物体やパターンなどを検出するための学習済みモデルがすでに存在するため、モデルをロードし、データを入力するだけで簡単に高い結果が得られます。

TensorFlow Liteモデルとは？

TensorFlow Liteモデルは、「FlatBuffers」と呼ばれる独特の効率的なポータブルフォーマットで提供される。このTensorFlow Liteモデルは、開発者がモバイルデバイス、組み込みデバイス、IoT デバイス上でモデルを実行できるようにすることで、デバイス上の機械学習を可能にするツールセットです。
TensorFlow Liteモデルについては、こちらで紹介しています。

DelphiでTensorFlowを使用するには？

DelphiおよびC++開発者の素晴らしいコミュニティのおかげで、現在 TensorFlow LiteはDelphiで利用可能で、こちらのリンクから「TensorFlow Lite Model for Delphi」のリポジトリにアクセスできます。

TFLITEダイナミックリンクライブラリ(DLL)は、TensorFlow Liteのモデル機能を利用する際に役立ちます。TensorFlow Lite全体で使用される共通の列挙型、型、およびメソッドが含まれています。これには、エラーコードからカーネルおよびデリゲートAPIなど全ての機能が含まれています。

tensorflow lite delphi delphi machine learning machine learning in delphi programming language 1730262 2

プロジェクト全体をダウンロードしてテストすることができます。下図のように、手書きの数字を描くと、TensorFlowはそのデータを28×28ピクセルの画像として取得し、それを変換して0から9までの数字として返します。

machine learning in delphi digit classification in delphi tensorflow lite model 7445733 2

実際の画像を再現するために、28×28ピクセルの入力は、784ピクセルの1次元ベクトルにフラット化しています。つまり、画像を構成する784ピクセルのそれぞれは、0〜255のの範囲の値として格納されます。これは、画像が白黒で表示されるため、ピクセルのグレースケールを判断するのに役立ちます。入力画像の黒いピクセルは255で表され、白いピクセルは0で表されます。

digit classifier for delphi tensorflow lite for delphi delphi machine learning building neural networks with delphi 3493358 2

digit classifier for delphi tensorflow lite model for delphi machine learning in delphi programming language 3221555 2

procedure TForm1.Button2Click(Sender: TObject);
var
  i, X, Y: DWORD;
 
  fLibrary: HMODULE;
  fModel: Pointer;
  fInterpreterOptions: Pointer;
  fInterpreter: Pointer;
  fStatus: TfLiteStatus;
  fInputTensorCount, fOutputTensorCount, fNumDims: Int32;
  fInputTensor, fOutputTensor: Pointer;
  fInputDims: Integer;
  fTensorName: PAnsiChar;
  fTensorType: TfLiteType;
  fTensorByteSize: SIZE_T;
 
  // 28x28 pixel image as input
  fInput: array [0 .. 28 * 28 - 1] of Float32;
 
  // output 0 to 9
  fOutput: array [0 .. 10 - 1] of Float32;
 
  fValue: Extended;
begin
  fLibrary := LoadLibrary(LibraryName);
 
  if fLibrary = 0 then
  begin
    ShowMessage('Error: Load tensorflow lite library ' + LibraryName + ' - ' +
      SysErrorMessage(GetLastError));
    Exit;
  end;
 
  try
    fModel := TfLiteModelCreateFromFile(PAnsiChar(AnsiString(Edit1.Text)));
 
    if fModel = nil then
    begin
      ShowMessage('Error: Create model from file - ' +
        SysErrorMessage(GetLastError));
      Exit;
    end;
 
    fInterpreterOptions := TfLiteInterpreterOptionsCreate;
 
    if fInterpreterOptions <> nil then
    begin
      TfLiteInterpreterOptionsSetNumThreads(fInterpreterOptions, 2);
 
      fInterpreter := TfLiteInterpreterCreate(fModel, fInterpreterOptions);
 
      // parameters / model can be removed immediately after the interpreter is created
      TfLiteInterpreterOptionsDelete(fInterpreterOptions);
      TfLiteModelDelete(fModel);
 
      if fInterpreter <> nil then
      begin
        fStatus := TfLiteInterpreterAllocateTensors(fInterpreter);
 
        fInputTensorCount := TfLiteInterpreterGetInputTensorCount(fInterpreter);
        fOutputTensorCount := TfLiteInterpreterGetOutputTensorCount
          (fInterpreter);
 
        // fLiteTensor* TfLiteInterpreterGetInputTensor(const TfLiteInterpreter* interpreter, int32_t input_index);
        // returned structure TfLiteTensor
        // an example is simple, there is no need to translate everything from the
        // in general, the source of the: https://github.com/tensorflow/tensorflow/tree/master/tensorflow/lite/c
        { typedef struct TfLiteTensor {
          TfLiteType type;
          TfLitePtrUnion data;
          TfLiteIntArray* dims;
          TfLiteQuantizationParams params;
          TfLiteAllocationType allocation_type;
          size_t bytes;
          const void* allocation;
          const char* name;
          struct TfLiteDelegate* delegate;
          TfLiteBufferHandle buffer_handle;
          bool data_is_stale;
          bool is_variable;
          TfLiteQuantization quantization;
          TfLiteSparsity* sparsity;
          const TfLiteIntArray* dims_signature; }
        fInputTensor := TfLiteInterpreterGetInputTensor(fInterpreter, 0);
        fOutputTensor := TfLiteInterpreterGetOutputTensor(fInterpreter, 0);
 
        if fInputTensor <> nil then
        begin
          // info about tensor
          // fNumDims := TfLiteTensorNumDims(fInputTensor);
          // fTensorName := TfLiteTensorName(fInputTensor);
          // fTensorType := TfLiteTensorType(fInputTensor);
          fTensorByteSize := TfLiteTensorByteSize(fInputTensor);
 
          // writing pixels to fInput, top to bottom, left to right
          for Y := 0 to Image1.Picture.Bitmap.Height - 1 do
          begin
            for X := 0 to Image1.Picture.Bitmap.Width - 1 do
            begin
              if (Image1.Canvas.Pixels[X, Y] > 0) then
                fInput[X + (Y * Image1.Picture.Bitmap.Width)] := 1
              else
                fInput[X + (Y * Image1.Picture.Bitmap.Width)] := 0;
            end;
          end;
 
          // fTensorByteSize = Length(fInput) * SizeOf(Float32)
          fStatus := TfLiteTensorCopyFromBuffer(fInputTensor, @fInput,
            fTensorByteSize);
 
          fStatus := TfLiteInterpreterInvoke(fInterpreter);
 
          if fStatus = kTfLiteOk then
          begin
            for i := 0 to High(fOutput) do
              fOutput[i] := 0;
 
            fOutputTensor := TfLiteInterpreterGetOutputTensor(fInterpreter, 0);
 
            // info about tensor
            // fNumDims := TfLiteTensorNumDims(fOutputTensor);
            // fTensorName := TfLiteTensorName(fOutputTensor);
            // fTensorType := TfLiteTensorType(fOutputTensor);
            fTensorByteSize := TfLiteTensorByteSize(fOutputTensor);
 
            if fOutputTensor <> nil then
            begin
              // fTensorByteSize = Length(fOutput) * SizeOf(Float32)
              fStatus := TfLiteTensorCopyToBuffer(fOutputTensor, @fOutput,
                fTensorByteSize);
 
              if fStatus = kTfLiteOk then
              begin
                ListView1.Items.Clear;
 
                for i := 0 to Length(fOutput) - 1 do
                begin
                  // ingenious solution, coolest conversion
                  fValue := StrToFloat(Copy(FloatToStr(fOutput[i]), 1, 17));
 
                  if fValue <= 1 then
                  begin
                    with ListView1.Items.Add do
                    begin
                      Caption := FloatToStrF(fValue, ffNumber, 17, 17);
                      SubItems.Add(IntToStr(i));
                    end;
                  end;
                end;
 
                ListView1.AlphaSort;
 
                Beep;
              end;
            end;
          end;
        end;
      end;
    end;
  finally
    FreeLibrary(fLibrary);
  end;
end;

100

101

102

103

104

105

106

107

108

109

110

111

112

113

114

115

116

117

118

119

120

121

122

123

124

125

126

127

128

129

130

131

132

133

134

135

136

137

138

139

140

141

142

143

144

145

146

147

148

149

150

151

152

153

154

155

156

157

158

159

160

161

162

163

procedure TForm1.Button2Click(Sender: TObject);

var

i, X, Y: DWORD;

fLibrary: HMODULE;

fModel: Pointer;

fInterpreterOptions: Pointer;

fInterpreter: Pointer;

fStatus: TfLiteStatus;

fInputTensorCount, fOutputTensorCount, fNumDims: Int32;

fInputTensor, fOutputTensor: Pointer;

fInputDims: Integer;

fTensorName: PAnsiChar;

fTensorType: TfLiteType;

fTensorByteSize: SIZE_T;

// 28x28 pixel image as input

fInput: array [0 .. 28 * 28 - 1] of Float32;

// output 0 to 9

fOutput: array [0 .. 10 - 1] of Float32;

fValue: Extended;

begin

fLibrary := LoadLibrary(LibraryName);

if fLibrary = 0 then

begin

ShowMessage('Error: Load tensorflow lite library ' + LibraryName + ' - ' +

SysErrorMessage(GetLastError));

Exit;

end;

try

fModel := TfLiteModelCreateFromFile(PAnsiChar(AnsiString(Edit1.Text)));

if fModel = nil then

begin

ShowMessage('Error: Create model from file - ' +

SysErrorMessage(GetLastError));

Exit;

end;

fInterpreterOptions := TfLiteInterpreterOptionsCreate;

if fInterpreterOptions <> nil then

begin

TfLiteInterpreterOptionsSetNumThreads(fInterpreterOptions, 2);

fInterpreter := TfLiteInterpreterCreate(fModel, fInterpreterOptions);

// parameters / model can be removed immediately after the interpreter is created

TfLiteInterpreterOptionsDelete(fInterpreterOptions);

TfLiteModelDelete(fModel);

if fInterpreter <> nil then

begin

fStatus := TfLiteInterpreterAllocateTensors(fInterpreter);

fInputTensorCount := TfLiteInterpreterGetInputTensorCount(fInterpreter);

fOutputTensorCount := TfLiteInterpreterGetOutputTensorCount

(fInterpreter);

// fLiteTensor* TfLiteInterpreterGetInputTensor(const TfLiteInterpreter* interpreter, int32_t input_index);

// returned structure TfLiteTensor

// an example is simple, there is no need to translate everything from the

// in general, the source of the: https://github.com/tensorflow/tensorflow/tree/master/tensorflow/lite/c

{ typedef struct TfLiteTensor {

TfLiteType type;

TfLitePtrUnion data;

TfLiteIntArray* dims;

TfLiteQuantizationParams params;

TfLiteAllocationType allocation_type;

size_t bytes;

const void* allocation;

const char* name;

struct TfLiteDelegate* delegate;

TfLiteBufferHandle buffer_handle;

bool data_is_stale;

bool is_variable;

TfLiteQuantization quantization;

TfLiteSparsity* sparsity;

const TfLiteIntArray* dims_signature; }

fInputTensor := TfLiteInterpreterGetInputTensor(fInterpreter, 0);

fOutputTensor := TfLiteInterpreterGetOutputTensor(fInterpreter, 0);

if fInputTensor <> nil then

begin

// info about tensor

// fNumDims := TfLiteTensorNumDims(fInputTensor);

// fTensorName := TfLiteTensorName(fInputTensor);

// fTensorType := TfLiteTensorType(fInputTensor);

fTensorByteSize := TfLiteTensorByteSize(fInputTensor);

// writing pixels to fInput, top to bottom, left to right

for Y := 0 to Image1.Picture.Bitmap.Height - 1 do

begin

for X := 0 to Image1.Picture.Bitmap.Width - 1 do

begin

if (Image1.Canvas.Pixels[X, Y] > 0) then

fInput[X + (Y * Image1.Picture.Bitmap.Width)] := 1

else

fInput[X + (Y * Image1.Picture.Bitmap.Width)] := 0;

end;

// fTensorByteSize = Length(fInput) * SizeOf(Float32)

fStatus := TfLiteTensorCopyFromBuffer(fInputTensor, @fInput,

fTensorByteSize);

fStatus := TfLiteInterpreterInvoke(fInterpreter);

if fStatus = kTfLiteOk then

begin

for i := 0 to High(fOutput) do

fOutput[i] := 0;

fOutputTensor := TfLiteInterpreterGetOutputTensor(fInterpreter, 0);

// info about tensor

// fNumDims := TfLiteTensorNumDims(fOutputTensor);

// fTensorName := TfLiteTensorName(fOutputTensor);

// fTensorType := TfLiteTensorType(fOutputTensor);

fTensorByteSize := TfLiteTensorByteSize(fOutputTensor);

if fOutputTensor <> nil then

begin

// fTensorByteSize = Length(fOutput) * SizeOf(Float32)

fStatus := TfLiteTensorCopyToBuffer(fOutputTensor, @fOutput,

fTensorByteSize);

if fStatus = kTfLiteOk then

begin

ListView1.Items.Clear;

for i := 0 to Length(fOutput) - 1 do

begin

// ingenious solution, coolest conversion

fValue := StrToFloat(Copy(FloatToStr(fOutput[i]), 1, 17));

if fValue <= 1 then

begin

with ListView1.Items.Add do

begin

Caption := FloatToStrF(fValue, ffNumber, 17, 17);

SubItems.Add(IntToStr(i));

end;

ListView1.AlphaSort;

Beep;

end;

finally

FreeLibrary(fLibrary);

end;

下記のリンクにアクセスしてサンプルコードをダウンロードし、実際に試してみてください。

https://github.com/qq33095304/TensorFlow-Lite-Delphi

Reduce development time and get to market faster with RAD Studio, Delphi, or C++Builder.
Design. Code. Compile. Deploy.
Start Free Trial Upgrade Today

Free Delphi Community Edition Free C++Builder Community Edition

Tensorflowで数字の分類器を構築する方法

このチュートリアルで学べることは？

MNISTとは？

画像内の手書きの数字を認識するには？

TensorFlow Liteモデルとは？

DelphiでTensorFlowを使用するには？

コメントコメントをキャンセル

検索

新着記事

C++Builder 12.1の新しいClangツールチェイン

RAD Studio 12.1 Athens Patch 1 のリリース

新しいEmbarcadero Quality Portal 運用開始のお知らせ

Popular Posts

DelphiおよびC++Builder 11.3 Community Editionがリリースされました!

RAD Studio 11.2 Alexandria リリースのお知らせ

RAD Studio 11.1 Alexandriaリリースのお知らせ

Windows11やApple M1に対応した新バージョン『RAD Studio 11 Alexandria』提供開始

RAD Studio 11新機能ウェビナーを9月14日に開催

カテゴリー

人気の記事

Google Book APIを使ってISBNコードから書籍情報を取得する

基礎から学べるFireDACデータアクセス再入門（第３回）

最新のC++Buidlerで旧バージョンのプロジェクトを利用する方法

RAD Studio 10.4.2で提供される2つの新しいVCLコントロール

RAD Studio 10.4の新機能: 新しいVCL TEdgeBrowserコンポーネント

不明なフィード

不明なフィード

不明なフィード

Categories

エンバカデロをフォロー

jp custom

Tensorflowで数字の分類器を構築する方法

このチュートリアルで学べることは？

MNISTとは？

画像内の手書きの数字を認識するには？

TensorFlow Liteモデルとは？

DelphiでTensorFlowを使用するには？

コメントコメントをキャンセル

Join Our Global Developer Community

検索

新着記事

Popular Posts

カテゴリー

人気の記事

Categories

エンバカデロをフォロー

jp custom