CNN（畳み込みニューラルネットワーク）の解説とTensorFlowによる実装例

import tensorflow as tf
from tensorflow.keras import datasets, layers, models
import matplotlib.pyplot as plt

# MNISTデータセットの読み込みと前処理
(x_train, y_train), (x_test, y_test) = datasets.mnist.load_data()
x_train = x_train.reshape(-1, 28, 28, 1).astype('float32') / 255.0
x_test = x_test.reshape(-1, 28, 28, 1).astype('float32') / 255.0

# CNNモデルの構築
model = models.Sequential([
    # 畳み込み層1: 32個のフィルタ、カーネルサイズ3x3
    layers.Conv2D(32, (3, 3), activation='relu', input_shape=(28, 28, 1)),
    # プーリング層1: 最大プーリング
    layers.MaxPooling2D((2, 2)),

    # 畳み込み層2: 64個のフィルタ、カーネルサイズ3x3
    layers.Conv2D(64, (3, 3), activation='relu'),
    # プーリング層2: 最大プーリング
    layers.MaxPooling2D((2, 2)),

    # Flatten層: 2次元を1次元に変換
    layers.Flatten(),
    # 全結合層: 64ユニット
    layers.Dense(64, activation='relu'),
    # 出力層: 10クラスに対するソフトマックス
    layers.Dense(10, activation='softmax')
])

# モデルのコンパイル
model.compile(optimizer='adam',
              loss='sparse_categorical_crossentropy',
              metrics=['accuracy'])

# モデルの概要を表示
model.summary()

# モデルの学習
history = model.fit(x_train, y_train, epochs=5, validation_split=0.1)

# テストデータでの評価
test_loss, test_acc = model.evaluate(x_test, y_test, verbose=2)
print(f"Test accuracy: {test_acc:.4f}")

# 学習過程の可視化
plt.plot(history.history['accuracy'], label='Training Accuracy')
plt.plot(history.history['val_accuracy'], label='Validation Accuracy')
plt.xlabel('Epoch')
plt.ylabel('Accuracy')
plt.legend(loc='lower right')
plt.title('Training and Validation Accuracy')
plt.show()