さて
四日坊主を予定しているUdemyの機械学習のコースですが、
なんと四日坊主予定が、五日坊主予定に変更になりました！
（※個人の変更で、正式にはまだ四日です）
二日目まで終えた前回記事から、１日経ち、見事三日目を制覇する予定でしたが、
二日目の終わりの方にオマケ的な立ち位置でついている「CNNを動かそう！」の企画が、
PCのスペック的に辛くて、辛くて、もう本当に辛くて・・・涙
涙ちょちょぎれすぎた結果、
そこで三日目を終了してしまいました。
二日目に行った、三層パーセプトロンモデルは、
「入力画像→入力層→中間層１→出力層→最終出力」と、三つの層からできています。
実は、入力層には、28x28の合計784pixelの値をなんと一列に直してインプット。
これが大問題の原因です！！
なぜなら二次元平面で少しだけズレた画像が、
一列に直されることで、全く異なる画像として入力層にインプットされてしまうからです。
この問題を見事解決したのが、
CNN(Convolutional Neural Network)こと、畳み込みニューラルネットワーク！
「真っ直ぐな線がある」や「真ん中に穴あり」などの
画像を視認する上で人間も利用している「特徴量」を抽出するフィルターをかけることで、
二次元平面画像から特徴量を取り出して使えるモデルなのです。
このCNNの凄さにより、
三層パーセプトロンモデルでは正解率が９割超えが限界だったFashionMNISTデータでも、
余裕で９割超を達成することができる！！・・・はずでした。
特徴量抽出のためのフィルター（keras.layers.Conv2Dの関数で指定）
１ヵ所目で3x3を32枚、２ヵ所目で5x5x32を64枚
くらい使ってやるべきだったのですが
計算を始めたところ、これが終わらない。
epoch数１にしても60000枚終えるのに5分くらいかかる。
xxxx/60000と徐々に増えていくのですが、
もう増え方が遅すぎて、１の位までよく見える始末。
もう辛いよ辛いよ・・・
と声が聞こえそうな気がしたので、
辛くないように設定し直した結果・・・！
はい。なんと、フィルターが１ヵ所目４枚、２箇所目４枚！！
こんなフィルターで正解を出せるのかと思ったら、
これが案外accuracy80くらいまでは余裕で達成してました。
自分としては自分のPCでプログラムを無事に動かせて、
適宜調整もできたので大満足
（本来のaccuracyをあげる目的の調整とは違う意味ですが）
というわけで、
辛そうなPCを見ていたら、自分も猛烈に疲れを感じ、
CNNを３日目として、4日で体験！を、５日で体験！と変更、PCを閉じたのでした。
おしまい。
