🤖 機械学習・データ可視化プレビューガイド

✅ 新機能: TensorFlow/ML/データ可視化対応

実装完了

• ✅ TensorFlow MNIST CNN モデル訓練
• ✅ データ可視化 (matplotlib)
• ✅ データ分析 (pandas)
• ✅ 訓練履歴の可視化
• ✅ 予測結果の画像生成
• ✅ 複数画像の自動プレビュー

---

📝 テストコマンド

1. TensorFlow MNIST CNN (推奨)

コマンド:

TensorFlowを使用して手書き数字認識のCNNモデルを作成してください。MNIST データセットを使用し、訓練過程の可視化も含めてください。

期待される動作:

1. コード生成:

   • mnist_cnn.py 作成
   • TensorFlow CNN モデル実装
   • MNIST データセット自動ダウンロード
   • 5エポック訓練
   • 可視化コード含む

2. 実行結果:

   • MNISTデータセット読み込み (60,000訓練, 10,000テスト)
   • CNNモデルビルド (Conv2D → MaxPooling → Dense)
   • モデル訓練 (5エポック)
   • テスト精度評価 (~98-99%)
   • 2つの画像生成:
     • mnist_training_history.png - 訓練履歴グラフ
     • mnist_predictions.png - 予測サンプル10個

3. プレビューボタン:

   • ✅ "MNIST Training History" ボタン
   • ✅ "MNIST Predictions" ボタン

4. プレビューURL:

   • http://192.168.0.135:8090/html/images/mnist_training_history.png
   • http://192.168.0.135:8090/html/images/mnist_predictions.png

実行時間: 約2-3分 (CPUの場合)

生成される画像:

1. Training History (2つのグラフ):

   • 左: 訓練精度 vs 検証精度
   • 右: 訓練損失 vs 検証損失

2. Predictions (10個のサンプル):

   • 手書き数字画像
   • 真のラベル vs 予測ラベル
   • 正解は緑、不正解は赤で表示

---

2. データ可視化

コマンド:

matplotlibを使用してデータ可視化を作成してください

または

グラフを作成してください。折れ線グラフ、散布図、棒グラフ、ヒストグラムを含めてください。

期待される動作:

1. 生成画像: visualization.png

2. 内容 (4つのグラフ):

   • Line Plot: sin(x), cos(x)
   • Scatter Plot: 相関データ
   • Bar Chart: カテゴリ別データ
   • Histogram: 正規分布

3. プレビューボタン: "Data Visualization"

4. URL: http://192.168.0.135:8090/html/images/visualization.png

---

3. データ分析

コマンド:

pandasを使用してデータ分析を行ってください。売上データの分析と可視化を含めてください。

または

csvデータを分析して、統計情報とグラフを作成してください

期待される動作:

1. 生成画像: data_analysis.png

2. 内容 (4つのグラフ):

   • Sales Trend: 時系列データ
   • Revenue Distribution: ヒストグラム
   • Sales vs Customers: 散布図
   • Correlation Matrix: ヒートマップ

3. プレビューボタン: "Data Analysis"

4. URL: http://192.168.0.135:8090/html/images/data_analysis.png

---

🔍 検出キーワード

Machine Learning

• tensorflow, keras, pytorch
• 機械学習, ml, 深層学習
• cnn, rnn, lstm
• mnist, アイリス
• モデル訓練, 分類, 回帰

Visualization

• matplotlib, seaborn, plot
• グラフ, 可視化, visualization
• 散布図, ヒストグラム, 棒グラフ
• heatmap, scatter, line plot

Data Analysis

• pandas, csv, dataframe
• データ分析, data analysis
• 統計, 相関

---

🚀 処理フロー

TensorFlow MNISTの場合

1. コマンド受信
   "TensorFlowを使用して手書き数字認識のCNNモデルを作成..."

2. コマンド分析
   determineCommandType() → "machine_learning"

3. コード生成
   generateMLCode(command, "machine_learning")
   → mnist_cnn.py + bash script

4. Dockerコンテナで実行
   docker exec <container> bash -c "python3 mnist_cnn.py"
   → 訓練開始 (約2-3分)
   → mnist_training_history.png 生成
   → mnist_predictions.png 生成

5. 画像をホストにコピー
   docker cp <container>:/workspace/mnist_training_history.png ./html/images/
   docker cp <container>:/workspace/mnist_predictions.png ./html/images/

6. プレビューメッセージ送信 (2つ)
   preview_ready: "MNIST Training History"
   preview_ready: "MNIST Predictions"

7. アプリでプレビューボタン表示 (2つ)
   [MNIST Training History] ボタン
   [MNIST Predictions] ボタン

---

📊 サーバーログ例

🎯 Executing command: TensorFlowを使用して手書き数字認識...
📤 Stage 1: Sending analyzing progress
📊 Command analysis: type=machine_learning, framework=standard
📤 Sending code_generated message (XXX bytes)
🔍 Looking for container for project: demo-1759406078
✅ Found container by project_id: 8f0bf28051d0
🐳 Executing generated code in container 8f0bf28051d0
✅ Code executed successfully
📋 Copying visualization/ML images from container to host
✅ Copied image: mnist_training_history.png
✅ Copied image: mnist_predictions.png
📤 Sending preview_ready for mnist_training_history.png
✅ Successfully sent preview_ready for MNIST Training History
📤 Sending preview_ready for mnist_predictions.png
✅ Successfully sent preview_ready for MNIST Predictions

---

🎨 生成されるPythonコード (mnist_cnn.py)

import tensorflow as tf
from tensorflow import keras
from tensorflow.keras import layers
import matplotlib.pyplot as plt
import numpy as np

# Load MNIST dataset
(x_train, y_train), (x_test, y_test) = keras.datasets.mnist.load_data()

# Preprocess
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

# Build CNN
model = keras.Sequential([
    layers.Conv2D(32, (3, 3), activation='relu', input_shape=(28, 28, 1)),
    layers.MaxPooling2D((2, 2)),
    layers.Conv2D(64, (3, 3), activation='relu'),
    layers.MaxPooling2D((2, 2)),
    layers.Conv2D(64, (3, 3), activation='relu'),
    layers.Flatten(),
    layers.Dense(64, activation='relu'),
    layers.Dropout(0.5),
    layers.Dense(10, activation='softmax')
])

# Train
history = model.fit(x_train, y_train, epochs=5, validation_split=0.2)

# Evaluate
test_loss, test_acc = model.evaluate(x_test, y_test)

# Visualize training history & predictions
# (完全なコードはml_templates.goを参照)

---

🐛 トラブルシューティング

"Error Loading Page" が表示される

原因:

1. Pythonコードの実行エラー
2. 画像ファイルが生成されていない
3. コンテナにTensorFlow/matplotlibがインストールされていない

解決策:

1. コンテナのPython環境確認:

docker exec <container_id> python3 -c "import tensorflow; print(tensorflow.__version__)"
docker exec <container_id> python3 -c "import matplotlib; print(matplotlib.__version__)"

2. 必要なライブラリインストール:

docker exec <container_id> pip3 install tensorflow matplotlib numpy pandas

3. 生成されたファイル確認:

docker exec <container_id> ls -la /workspace/*.png
ls -la ./html/images/

4. サーバーログ確認:

# バックグラウンドジョブのログ確認

訓練が遅い

• CPU使用: 2-3分程度 (正常)
• GPU使用可能な場合: TensorFlow GPU版を使用すると高速化

画像が表示されない

1. 画像ファイルの存在確認:

ls -la /Users/suetaketakaya/1.prog/remote_manual/server/build_clean/html/images/

2. ブラウザで直接アクセス:

http://192.168.0.135:8090/html/images/mnist_training_history.png

3. 画像ファイルの権限確認:

chmod 644 ./html/images/*.png

---

📈 パフォーマンス

MNIST CNN訓練

• データセット: 60,000訓練, 10,000テスト

• モデルパラメータ: ~1.2M

• 訓練時間 (CPU):

  • Epoch 1: ~30秒
  • Epoch 2-5: ~20秒/epoch
  • 合計: ~2-3分

• 期待される精度:

  • 訓練精度: 98-99%
  • テスト精度: 97-99%

データ可視化

• 実行時間: ~1秒
• 画像サイズ: ~100-200KB

---

🔧 カスタマイズ

エポック数を増やす

ml_templates.goのgenerateTensorFlowMNIST()内:

epochs=5  →  epochs=10

モデル構造の変更

Pythonコード内のmodel定義を変更:

# より深いモデル
layers.Conv2D(128, (3, 3), activation='relu'),

---

✅ 成功基準

TensorFlow MNIST

• コマンド検出: "machine_learning"
• Pythonコード生成
• Docker内で実行
• MNISTデータセット自動ダウンロード
• モデル訓練完了
• 2つの画像生成
• 画像コピー
• 2つのプレビューボタン表示
• 画像表示成功

---

接続情報:

• WebSocket: ws://192.168.0.135:8090/ws?key=6661755000
• Session Key: 6661755000
• 画像ディレクトリ: /Users/suetaketakaya/1.prog/remote_manual/server/build_clean/html/images/

作成日: 2025年10月4日 バージョン: v4.2 - ML/Visualization Support ステータス: ✅ 実装完了・テスト可能