---
title: #76 インポートとデータの読み込み
tags: 
author: [猫のタロー](https://docswell.com/user/Cat_Taro)
site: [Docswell](https://www.docswell.com/)
thumbnail: https://bcdn.docswell.com/page/K74ZR863E1.jpg?width=480
description: TensorFlow公式チュートリアル『はじめてのニューラルネットワーク：分類問題の初歩』をベースに、tf.kerasではなくKeras 3を用いてデータのインポートと観察を行う手順を解説したスライドです。     使用する『Fashion MNIST』は、10種類の衣料品・バッグ等の画像（28×28ピクセルのグレースケール、全70,000件）からなるデータセットです。コード記述時は、tf.kerasの代わりにkeras.datasets.fashion_mnistを使用することでデータを読み込み、訓練用（60,000件）とテスト用（10,000件）に自動分割して画像と正解ラベルを取得します。あらかじめクラス名も定義しておきます。   データの形状を観察すると、訓練用画像は60,000枚の28×28ピクセル画像が含まれる『3次元テンソル』構造であり、各ラベルには0〜9の整数が対応していることを確認します。
published: October 31, 26
canonical: https://docswell.com/s/Cat_Taro/ZX279N-2026-10-31-183649
---
# Page. 1

![Page Image](https://bcdn.docswell.com/page/K74ZR863E1.jpg)

5th STEP ディープラーニング
Section ３
インポートとデータの読み込み
データサイエンス チュートリアル
1


# Page. 2

![Page Image](https://bcdn.docswell.com/page/LJ1RQ2VZJG.jpg)

Kerasをインポート
TensorFlow公式サイトのチュートリアルから、初級の『KerasによるMLの基本』→『基本的な画像分類』を選んでクリック
すると、『はじめてのニューラルネットワーク：分類問題の初歩』というチュートリアルが現れます。
今回は、この教材を基に解説していきます。
この教材は、TensorFlowのためのものでAPIとして『tf.keras』が用いられていますが、今回はこれを少し変更して、
Keras3で進めていきたいと思います。
TensorFlowで『tf.keras』を用いた場合とKeras3の場合では、コードにどのような差があるのかを体験してみてください。
データサイエンス チュートリアル
2


# Page. 3

![Page Image](https://bcdn.docswell.com/page/GJW1MRL6E2.jpg)

Kerasをインポート
コラボで Keras3を使うのは、実はとても簡単です！
コラボにプリインストールされている TensorFlow のバージョンはすでに 2.16 以上になっているため、特別なインストール操作を
することなく、最初からKeras3が使える状態になっています。さあ、Kerasをインポートしましょう！
TensorFlow 公式チュートリアル
公式チュートリアルでは、バージョンが「2.11.0」になっていま
すが、今回はバージョンが「2.20.0」になっていました。
データサイエンス チュートリアル
Keras3
3


# Page. 4

![Page Image](https://bcdn.docswell.com/page/4EZPQRMRJ3.jpg)

データセットFashion MNIST
ラベル
TensorFlow 公式チュートリアルで使用している『Fashion
MNIST』とは、衣料品やバッグなど10種類のファッションアイテムの
画像を集めた機械学習・画像認識用のデータセットです。
もともと手書き数字の画像セット『MNIST』が機械学習の入門用
として広く使われていましたが、現在のAI技術では簡単になりすぎ
たので、ソフトウエアの企業Zalandoの研究チームが2017年に公
開したものです。
各サンプルは、28×28ピクセル（マス）のグレースケール画像で、
サンプル数は70,000、右表の10種類のラベルと関連付けられて
います。
今回は、このデータセット『Fashion MNIST』をインポートしていき
ましょう。
データサイエンス チュートリアル
記述
0
T-shirt/top
1
Trouser
2
Pullover
3
Dress
4
Coat
5
Sandal
6
Shirt
7
Sneaker
8
Bag
9
Ankle boot
4


# Page. 5

![Page Image](https://bcdn.docswell.com/page/Y76M6RN1EV.jpg)

データセットFashion MNISTをインポートする(1)
『TensorFlow 公式チュートリアル』の通りに、コードを書くと、下記のようにエラーが出てしまいます。
よく見ると、『tf.keras.』という文字があります。これは、TensorFlowのコードですので、『keras.』に替えてみましょう！
データサイエンス チュートリアル
5


# Page. 6

![Page Image](https://bcdn.docswell.com/page/G75Z685LJ4.jpg)

データセットFashion MNISTをインポートする(2)
『fashion_mnist = keras.datasets.fashion_mnist』に変更することにより、データを読み込むことができました！
1行目で、Kerasがあらかじめ用意してくれている『Fashion-MNIST』というデータセットの場所に、『fashion_mnist』という
名前（変数）をつけてアクセスしやすくしています。
2行目は、データを読み込み、「訓練用（学習用）」と「テスト用（評価用）」の2グループに自動で分割して、さらにそれを
「画像」と「正解ラベル（答え）」に分けて変数に代入するように指示しています。
データサイエンス チュートリアル
6


# Page. 7

![Page Image](https://bcdn.docswell.com/page/9J2RMKN37R.jpg)

クラス名を保存しておく
画像はそれぞれ単一のラベルに分類されています。ただし、データセットには上記のクラス名が含まれていないため、後ほど画像
を出力するときのために、クラス名（スライド3参照）を保存しておきます。
1次元のデータですから、Seriesに格納します。
データサイエンス チュートリアル
7


# Page. 8

![Page Image](https://bcdn.docswell.com/page/DEYDXNP8EM.jpg)

データの観察(1)
まずは、トレーニング用データセットを観察してみましょう。公式チュートリアルにはありませんが、『train_images』を見てみま
しょう！
この部分は『ベクトル（1次元配列）』で、画像の中の『横1行分の
ピクセル値（28個のマス）』を表しています。
ここは、『行列（2次元配列）』を表しています。これは画像1枚分
の『縦28ピクセル（マス） × 横28ピクセル（マス）』を表しています。
0ばかりありますが、これは省略されている真ん中の部分に、0〜255
で表されている数字で濃淡が表現されています。
ここでは、省略していますが、3次元目の一番外側の括弧[ ]内には、
60,000枚の画像データがすべて含まれています。
このようにデータが縦・横・奥行きのように3つの方向に広がっているも
のを『3次元テンソル』と呼びます。テンソルは、そう、『TensorFlow』
のテンソルです。
データサイエンス チュートリアル
8


# Page. 9

![Page Image](https://bcdn.docswell.com/page/VJN61X59J8.jpg)

データの観察(2)
公式チュートリアルに戻りましょう。
『shape』は、NumPyの多次元配列やTensorFlowのテンソルが
持っている「属性（データの形状を表す情報）」を呼び出します。
28 × 28 ピクセルの画像が
60,000個含まれています。
また、トレーニング用データセットには 60,000個
のラベルが含まれています。
ラベルはそれぞれ、0 から 9 までの間の整数です。
データサイエンス チュートリアル
9


# Page. 10

![Page Image](https://bcdn.docswell.com/page/YE9L58Y373.jpg)

データの観察(3)
次は、テスト用データセット。
28 × 28 ピクセルの画像が
10,000個含まれています。
また、トレーニング用データセットには 10,000個
のラベルが含まれています。
データサイエンス チュートリアル
10