Pythonのプログラミング環境には複数の選択肢がある。この特集では、3つの代表的なPythonプログラミング環境を取り上げ、それぞれの特徴や構築方法などを解説する。
最後に、Colabの特徴であるGPU／TPUの利用について説明します。Colabでは、AI関連の計算を高速に行うGPUやTPUが使えます。実際にGPU／TPUを使って、簡単なプログラムを実行してみましょう。まずはニューラルネットワークを使って画像を判別するプログラムを作り、動作確認を行います。その後、同じプログラムをGPUを使って実行してみます。
ニューラルネットワークの作成と学習
本稿で画像の判別に使うのは、「MNIST」（エムニスト）というデータセットです。MNISTは、図23のような0～9の手書き数字画像のデータを集めたものです。全部で7万枚の画像が収録されており、各画像がどの数字を表すのかという正解情報（ラベル）も付属しています。
ここでは、入力された画像が0～9のうちどの数字なのかを、ニューラルネットワークを使って判別するプログラムを作成します。まずはMNISTを使って、ニューラルネットワークの学習を行います。次に、学習済みのニューラルネットワークを使って、入力された任意の手書き数字の画像を判別します。
前述の方法でColabにログインし、新しいノートブックを作成してください。そして、セルにリスト8を入力し、「Shift」＋「Enter」キーで実行してください。
リスト8では、GoogleのAIライブラリーであるTensorFlow（テンソルフロー）を使っています。また、MNISTをダウンロードした後に、ニューラルネットワークで扱えるようにデータ処理をしています。
実行結果は図24のようになります。
次は、リスト9を入力し、実行してください。ニューラルネットワークを作成し、学習とテストを行います。
上記のプログラムは、実行に少し時間がかかります。図25のように、画面に進捗が表示されるので、実行が終わるまでお待ちください。「Epoch」（エポック）はデータの全体を学習する回数を表し、「accuracy」は正解率を表します。
各エポックの学習にかかった時間は、「7s」（7秒、sはsecondの略）のように表示されます。学習時間の合計は34秒でした。
