-
Notifications
You must be signed in to change notification settings - Fork 0
/
Copy pathGraphe accuracy nombre d'images.py
137 lines (84 loc) · 2.49 KB
/
Graphe accuracy nombre d'images.py
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
#Initialisation(prend du temps)
from os import getcwd, chdir
chdir('C:\\Users\sacha\Desktop\TIPE\programmes utilisés')
from DataCreationIA import *
chdir('C:\\Users\sacha\Desktop\TIPE\programmes utilisés')
from Graphs import *
import numpy as np
import random
from keras.datasets import mnist
from keras import models
from keras import layers
from DataCreationIA import *
from matplotlib import pyplot as plt
import time
## version 2
def accuracynombre ():
(Vecteurtrain,Vecteurlabeltrain,Vecteurtest,Vecteurlabeltest) = creer_vecteurs()
n = len(Vecteurlabeltrain)
k = 10
L = []
model = creer_ia()
while k < n:
print("\n\n\n\n\n\n\n")
print(k)
print("\n\n\n\n\n\n\n")
vtrain = Vecteurtrain[k-5:k]
vlabeltrain = Vecteurlabeltrain[k-5:k]
model.fit(vtrain, vlabeltrain, epochs=3, batch_size=2)
test_loss, test_acc = model.evaluate(Vecteurtest, Vecteurlabeltest)
print(test_acc)
L.append(test_acc)
k = k + 5
reset_ia(model)
return(L)
def test_accuracynombre(n):
t1 = time.localtime()
print("heure de debut:", t1[3],"heures, ", t1[4], "minutes", t1[5], "secondes")
Ylist = []
for k in range(n):
print("\n\n\n\n\n\n\n")
print("IA n°", k)
print("\n\n\n\n\n\n\n")
L = accuracynombre()
Ylist.append(L)
Y=[]
for i in range(len(Ylist[0])):
ym = 0
for k in range(n):
ym += Ylist[k][i]
ym = ym/n
Y.append(ym)
X = [5+ k*5 for k in range(len(L))]
t2 = time.localtime()
print("debut:", t1[3],"heures, ", t1[4], "minutes", t1[5], "secondes")
print("fin:", t2[3],"heures, ", t2[4], "minutes", t2[5], "secondes")
s=str(n)
text = "Accuracy en fonction du nombre d'images\n Moyenne faite sur n test: n= "+s
plt.plot(X,Y)
plt.title(text)
plt.show()
"""
pour 30 images avec deltak = 5, batch = 2, epoch = 3:
prend 15 min
"""
## ancienne version
"""
n = len(Vecteurlabeltrain)
(Vecteurtrain,Vecteurlabeltrain,Vecteurtest,Vecteurlabeltest) = creer_vecteurs()
k = 10
L = []
while k < n:
print("\n\n\n\n\n\n\n")
print(k)
print("\n\n\n\n\n\n\n")
model = creer_ia()
vtrain = Vecteurtrain[:k]
vlabeltrain = Vecteurlabeltrain[:k]
model.fit(vtrain, vlabeltrain, epochs=5, batch_size=2)
test_loss, test_acc = model.evaluate(Vecteurtest, Vecteurlabeltest)
print(test_acc)
L.append(test_acc)
reset_ia(model)
k = k + 10
"""