こんにちは、ぽめた （@pometa0507） です。社会人エンジニアとして働く傍ら、AI資格の「E資格」取得に向けてディープラーニングの勉強をしています。

この連載は、E資格の勉強中に学んだ内容を記事としてまとめるものです。 E資格を受験される方のおさらいや、E資格に興味のある方の参考となれば幸いです。

重要なお知らせ：AI分野のお仕事マッチングサービス「AIDB HR」を開始しました！登録後はオファーを受け取るだけのシンプルなサービスです！現在、期間限定で、ギフト券が必ずもらえる新規登録キャンペーンも行っています。

前回の記事（Day5）は、隠れユニットの出力ユニットについて紹介しました。今回のDay6では、「MNISTの手書き数字分類」を行うニューラルネットワークの推論処理について紹介します。

これまでの記事
Day1の記事「ディープラーニングの概要」
Day2の記事「パーセプトロン」
Day3の記事「活性化関数」
Day4の記事「ReLUの一般化」
Day5の記事「出力ユニット」

手書き数字の分類！MNISTデータセット

これまでの記事で紹介した内容を総動員して、ニューラルネットワークの推論処理を実装したいと思います。推論とは、過去に学習したデータをもとに、未知の新たなデータについて推測を行うことです。

今回は、手書き数字の画像データから、どの数字が書かれているかを判断するという推論を行ってみます。

まずは学習データとして使用するデータセットについて述べます。

今回の推論に用いる画像データは、 MNISTデータセットの手書き数字画像です。 MNISTは、「0」から「9」まで10種類の手書き数字が描かれた画像のデータセットで、訓練用の画像60000枚とテスト用の画像10000枚で構成されています。機械学習の分野でとても有名なデータセットです。 データセットの中には、28×28ピクセルの画像データと0から9までの10種の数値の正解ラベルが対になって格納されています。

以下の図は画像データと正解ラベルの一例です。この例では3枚の手書き数字を示しています。左から「5」、「9」、「6」の画像データとその正解ラベルとなっています。