Amazonが、2014年に出願した特許がそのヒントになる。
特許 US 20150012396 A1
Transitioning items from a materials handling facility
特許 US 20150012396 A1
Transitioning items from a materials handling facility
子供のころ、映画「STARWARS」 を観てワクワクし、ガンプラにドキドキしていた。時間が経つのも忘れてしまう、そんな時間をもう一度、取り戻すために、Raspberry pi を使って、オヤジがロボット作りに挑戦する!
# -*- coding: utf-8 -*-import tensorflow as tf
import input_data
# MNISTデータを取り出す。訓練データとテストデータで、画像と0-9のラベル
# mnist.train.images
# mnist.train.labels
# mnist.test.images
# mnist.test.labelsmnist = input_data.read_data_sets("MNIST_data/", one_hot=True)
# Training用の入れ物の準備x = tf.placeholder(tf.float32, [None, 784])
W = tf.Variable(tf.zeros([784, 10]))
b = tf.Variable(tf.zeros([10]))
# y_ : 正しい答え
# y : 予測した答え
y_ = tf.placeholder(tf.float32, [None, 10])
# x*W+b を softmax と通し、y にする。
y = tf.nn.softmax(tf.matmul(x, W) + b)
# Training指標の準備
# 訓練するために、悪い(or 良い)を定義する。ここでは悪い(費用:コストがかかる)ことを
# 交差エントロピーで計算する。
cross_entropy = -tf.reduce_sum(y_*tf.log(y))
# その費用を最適化するために、最急降下法を使う
train_step = tf.train.GradientDescentOptimizer(0.01).minimize(cross_entropy)
#
init = tf.initialize_all_variables()sess = tf.Session()
sess.run(init)for i in range(1000):
batch_xs, batch_ys = mnist.train.next_batch(100)
sess.run(train_step, feed_dict={x: batch_xs, y_:batch_ys})# 評価のために正解率を計算
correct_prediction = tf.equal(tf.argmax(y,1), tf.argmax(y_,1))
accuracy = tf.reduce_mean(tf.cast(correct_prediction, "float"))
print(sess.run(accuracy, feed_dict={x: mnist.test.images, y_: mnist.test.labels}))