14-02　小数→整数化→ビット削減・リミッタと進める ●GTSRB（道路標識）と同じようにPythonを走らせる 　lisa_float.pyとTestLisa.csvをtrain_1, val_1と同じディレクトに置きます（図14‐07）。 図14‐07　2つのファイルをコピー ●信号機の画像を学習→推論するプログラム 　lisa_float.pyを開いて"classes"を検索すると図14‐08のようになっているので、ここで変更したフォルダ名、0〜6と合っているか確認します。 図14-08　GTSRBは43種だったが、lisa-croppedは7種しかない ●6層目だけ変更。他の層は同じで良い 　lisa_float.pyはmain_float.py（GTSRBの元プログラム）を変更したものです。"lisa"で検索すると変更点が分かります。 　図14‐09はCNNのモデルを定義する部分、6層目の要素数が43から７に変更されています。これはGTSRBが43種の道路標識からなるのに対し、lisa-croppedは7種の信号機からなることによります。 　CNNモデルの他の層（1〜5層）はGTSRBと同じ構造です。 図14-09　lisa_float.pyのモデル定義の部分 ●クラスIDとパスをCSVファイルにまとめる 　図14‐10は推論用画像のクラスIDとパス（場所）を読み込む部分、GTSRBではTest.csvだったものがlisa-croppedではTestLisa.csvに変わっています。 図14-10　lisa_float.pyを"lisa"で検索 ●これがないと正解か不正解か分からない 　TestLisa.csvには各画像のクラスIDとパスが書かれています（図14‐11）。プログラムはこのファイルを参考にしてテスト画像を見に行き、推論結果とクラスIDを比較し、正解不正解を判定します。 図14-11　各画像ファイルの場所と正解値 次のページへ 目次へ戻る