ディープラーニングのCNNとKerasを対応づけてみたーその１機械学習（８日追加）
http://blog.goo.ne.jp/xmldtp/e/1c82e996ddb3029a53279a8cfe891b14
で学習を行った。ここでは、その行った学習結果を実運用で使って判別するプログラム部分
●学習で行ったこと
最後のほうに
model.to_json でJSON形式になり
model.save_weights で重みを保存できる
とかいてあるけど、このjson形式と、保存した重みが、「学習済みモデル」となる。
この学習済みモデルを作るのが、学習作業ですること。
運用時は、この学習済みモデルを読み込み、判別することになる。
以下、ロリポおじさんなみのKeras解説
●運用（判別）
１．学習済みモデルのよみこみ
keras.modelsにmodel_from_jsonがあるので、それでJSON形式の部分を読み込み、
（それをmodelにいれたとして）
model.load_weightsで、保存した重みを読み込むと
学習済みモデルが読み込める
中身を出すには
model.summary()
２．判別
model.predict（判別するイメージ）
で、結果に判別結果が返ってくる。
http://blog.goo.ne.jp/xmldtp/e/1c82e996ddb3029a53279a8cfe891b14
で学習を行った。ここでは、その行った学習結果を実運用で使って判別するプログラム部分
●学習で行ったこと
最後のほうに
model.to_json でJSON形式になり
model.save_weights で重みを保存できる
とかいてあるけど、このjson形式と、保存した重みが、「学習済みモデル」となる。
この学習済みモデルを作るのが、学習作業ですること。
運用時は、この学習済みモデルを読み込み、判別することになる。
以下、ロリポおじさんなみのKeras解説
●運用（判別）
１．学習済みモデルのよみこみ
keras.modelsにmodel_from_jsonがあるので、それでJSON形式の部分を読み込み、
（それをmodelにいれたとして）
model.load_weightsで、保存した重みを読み込むと
学習済みモデルが読み込める
中身を出すには
model.summary()
２．判別
model.predict（判別するイメージ）
で、結果に判別結果が返ってくる。
今は違うかもしれない。むかしやっていたときのメモ
【概要】
ローカライゼーションの工程は、大体こんな感じだと思う
・大きな流れは、下訳→用語統一→本訳→確認の順
【下訳】
１．対象語の抽出
poファイルにすべてまとまっているのなら簡単
そうでないときは、自動抽出方法を開発し、それを使う
ただし、下訳は用語統一するためのものなので、
完全に抽出できなくて良い（適当に手作業でもいい）
２．用語統一したい言葉を選び、翻訳にまわす
→類似のソフトがローカライズされている場合には、
そこから取ってきてしまうことも
→人が訳す場合、Google翻訳を使う場合、訳してもらうのは
長い単語のほうが意味がわかりやすくていい。
例」承認より承認ユーザーのほうがいい
３．翻訳にまわす
何人かに分担して訳してもらう（わざと、用語のゆれが出るようにする）
そのうちの１人にGoogle翻訳も今の精度ならありえると思う
（感触レベルでいうと、下訳の精度はこれくらいってこと）
【用語統一】
４．下訳してきた結果をExcelで
対象語 １人目の訳 ２人目の訳 ３人目・・・
とならぶようにする（別にExcelでなくてもいいが、とにかくわかるようにする）
５．その結果をもとに、この用語はこの訳でというように
きめる
例：承認ユーザー情報が
information of Approval userと
Authorized user informationの２種類あった場合、
承認ユーザー情報は、Authorized user information
承認ユーザーはAuthorized user
承認はAuthorization
というように、訳した人何人かで合議（ないし、１人の独断と偏見）
→このとき、画面の場合は、画面をみながら訳語が確認できると良い
そのため、訳語につけるIDは、ソースファイルがわかるようにする
（ソースファイルから画面がわかるようにする。画面番号などを
IDに入れてしまうと、画面以外のところで困るので、ソースコード）
６．決めた訳を辞書に入れる。
【本訳】
７．全ての翻訳対象語を抽出する
日本語の場合、コードが違うので（２バイトのところ）抜き出しやすい
自動化ソフトを使う。
８．訳語がでてきたら、６で訳が決まってしまうところは、埋める
９．翻訳にまわす。
翻訳メモリを使っているのであれば、８で訳が入っているので、
その部分は出てくるからOK。
そうでなく、Excelなどを使う場合、
とりあえず、８の部分も含んでいるものを用意し、
F12001_3220 承認ユーザー Authorized user
F12001_3241 承認ユーザー Authorized user
F12001_3256 承認ユーザではありません
のように、日本語のところを元にソートし、英語が入っていないところを
埋めてもらうようにすると、訳語が合いやすい（ただ、訳の箇所を見落としやすいので
訳すべきところは薄い黄色で表示するとかにしておくとBetter
Excelだと、条件付書式でできるのかな？）
【確認】
１０．訳が終わってきたら、自動チェック
・訳が漏れているところがないか
・コードが違うところが無いか（英語のところに日本語が入ってる、とくにスペース）
・異常なところは無いか（短い単語に長い文）
・あきらかにずれていることは無いか？
（９のExcel版の場合、訳をいれておいたところの訳が違っている）
１１．（９と同じように）コード、日本語、対象語の順にして、
不自然なところがないか（文字の長さなど）
１２．自動的に翻訳語を入れて、対象語のソースファイルを作成、
そのソースファイルをコンパイル等して、実行できるまでを確認する
→さらに、自動的に画面を開いて、ハードコピーとれるとBetter
その場合、ハードコピーを見て、文字化けしていないか確認する
１３．１２で作成されたソースから、翻訳対象語を抽出する
→７は日本語を抽出したが、今回は対象語を抽出する
７でつけたID（上の例だとF12001_3256）と同じ方法で
採番する
１４．１３でできた結果と１１でOKになった結果を比較（IDをそろえて対象語を比較）
ちがっていれば、１２の自動化でずれている。
１５．画面を出して、（ネイティブないしは、翻訳する人が）画面を確認、
文字を入れて確認。
→画面から出てくる言葉に違和感が無いか
こんな感じかな。
結局１５が勝負なので、はやく１５に行く方向にする
それ以前の工程では、ミスがでてしまうもの・・・
なので、１５でつじつまが合うように、それ以前の工程は
できるだけ自動化できるようにがんばる。
※追加修正があったときは、自動抽出と採番のしかたに工夫があるんだけど、
話がディープで長くなるので、このへんで切る。
【概要】
ローカライゼーションの工程は、大体こんな感じだと思う
・大きな流れは、下訳→用語統一→本訳→確認の順
【下訳】
１．対象語の抽出
poファイルにすべてまとまっているのなら簡単
そうでないときは、自動抽出方法を開発し、それを使う
ただし、下訳は用語統一するためのものなので、
完全に抽出できなくて良い（適当に手作業でもいい）
２．用語統一したい言葉を選び、翻訳にまわす
→類似のソフトがローカライズされている場合には、
そこから取ってきてしまうことも
→人が訳す場合、Google翻訳を使う場合、訳してもらうのは
長い単語のほうが意味がわかりやすくていい。
例」承認より承認ユーザーのほうがいい
３．翻訳にまわす
何人かに分担して訳してもらう（わざと、用語のゆれが出るようにする）
そのうちの１人にGoogle翻訳も今の精度ならありえると思う
（感触レベルでいうと、下訳の精度はこれくらいってこと）
【用語統一】
４．下訳してきた結果をExcelで
対象語 １人目の訳 ２人目の訳 ３人目・・・
とならぶようにする（別にExcelでなくてもいいが、とにかくわかるようにする）
５．その結果をもとに、この用語はこの訳でというように
きめる
例：承認ユーザー情報が
information of Approval userと
Authorized user informationの２種類あった場合、
承認ユーザー情報は、Authorized user information
承認ユーザーはAuthorized user
承認はAuthorization
というように、訳した人何人かで合議（ないし、１人の独断と偏見）
→このとき、画面の場合は、画面をみながら訳語が確認できると良い
そのため、訳語につけるIDは、ソースファイルがわかるようにする
（ソースファイルから画面がわかるようにする。画面番号などを
IDに入れてしまうと、画面以外のところで困るので、ソースコード）
６．決めた訳を辞書に入れる。
【本訳】
７．全ての翻訳対象語を抽出する
日本語の場合、コードが違うので（２バイトのところ）抜き出しやすい
自動化ソフトを使う。
８．訳語がでてきたら、６で訳が決まってしまうところは、埋める
９．翻訳にまわす。
翻訳メモリを使っているのであれば、８で訳が入っているので、
その部分は出てくるからOK。
そうでなく、Excelなどを使う場合、
とりあえず、８の部分も含んでいるものを用意し、
F12001_3220 承認ユーザー Authorized user
F12001_3241 承認ユーザー Authorized user
F12001_3256 承認ユーザではありません
のように、日本語のところを元にソートし、英語が入っていないところを
埋めてもらうようにすると、訳語が合いやすい（ただ、訳の箇所を見落としやすいので
訳すべきところは薄い黄色で表示するとかにしておくとBetter
Excelだと、条件付書式でできるのかな？）
【確認】
１０．訳が終わってきたら、自動チェック
・訳が漏れているところがないか
・コードが違うところが無いか（英語のところに日本語が入ってる、とくにスペース）
・異常なところは無いか（短い単語に長い文）
・あきらかにずれていることは無いか？
（９のExcel版の場合、訳をいれておいたところの訳が違っている）
１１．（９と同じように）コード、日本語、対象語の順にして、
不自然なところがないか（文字の長さなど）
１２．自動的に翻訳語を入れて、対象語のソースファイルを作成、
そのソースファイルをコンパイル等して、実行できるまでを確認する
→さらに、自動的に画面を開いて、ハードコピーとれるとBetter
その場合、ハードコピーを見て、文字化けしていないか確認する
１３．１２で作成されたソースから、翻訳対象語を抽出する
→７は日本語を抽出したが、今回は対象語を抽出する
７でつけたID（上の例だとF12001_3256）と同じ方法で
採番する
１４．１３でできた結果と１１でOKになった結果を比較（IDをそろえて対象語を比較）
ちがっていれば、１２の自動化でずれている。
１５．画面を出して、（ネイティブないしは、翻訳する人が）画面を確認、
文字を入れて確認。
→画面から出てくる言葉に違和感が無いか
こんな感じかな。
結局１５が勝負なので、はやく１５に行く方向にする
それ以前の工程では、ミスがでてしまうもの・・・
なので、１５でつじつまが合うように、それ以前の工程は
できるだけ自動化できるようにがんばる。
※追加修正があったときは、自動抽出と採番のしかたに工夫があるんだけど、
話がディープで長くなるので、このへんで切る。
そのツールが一般の私立学校3校に提供されることになった。
シリコンヴァレーの“新時代の学校”AltSchool、その「秘密」を公開
http://wired.jp/2017/01/04/altschool-shares-secrets/
シリコンヴァレーの“新時代の学校”AltSchool、その「秘密」を公開
http://wired.jp/2017/01/04/altschool-shares-secrets/
アクセス
トータル
ランキング
