import numpy as np
import matplotlib.pyplot as plt
# matplotlib は tensorslow の前でimportすること
# ※ バージョンによっては後でインスールするとエラー出る
import tensorflow as tf

np.set_printoptions(formatter={'float': '{: 0.3f}'.format})

# パーセプトロンの数
N = ?  # 入力層の数
K = ?  # 隠れ層の数
M = ?  # 出力層の数

#学習率
r = ?

#エポック数
E = ?

#学習データセットのサイズ
L = ?

#バッチサイズ
B = ?

# 画像データ
images = np.array(
    [
        # 画像0
        [
            [1, 0, 1],
            [1, 1, 1],
            [1, 0, 1]
        ],
        # 画像1
        [
            [0, 1, 0],
            [1, 0, 1],
            [0, 1, 0]
        ],
        # 画像2
        [
            [0, 1, 0],
            [1, 1, 1],
            [0, 1, 0]
        ],
        # 画像3
        [
            [1, 0, 1],
            [0, 1, 0],
            [1, 0, 1]
        ],
        # 未知画像
        [
            [1, 1, 0],
            [1, 1, 1],
            [1, 0, 1]
        ]        
    ]
)
   
# 画像データから学習用入力信号を作成
data_training = tf.constant(images[:L].reshape(L,N), dtype=tf.float32)

# 学習用ラベル
label_training = tf.constant(
    [ 
        #画像 0,1 はクラス 0
        [?,?],
        [?,?], 

        #画像 2,3 はクラス1
        [?,?],
        [?,?]
    ]
    , dtype=tf.float32
)

# 未知画像から未知入力信号を作成
data = tf.constant(images[L].reshape(1,N), dtype=tf.float32)

# 画像表示
for i in range(L):
    print(f'画像{i}')
    plt.imshow(images[i],cmap='gray')
    plt.show()
    
print('未知画像')
plt.imshow(images[L],cmap='gray')
plt.show()

print('学習用入力信号')
print( data_training.numpy() )
print('\n学習用ラベル')
print( label_training.numpy() )
print('\n未知入力信号')
print( data.numpy() )
print('')

print(f'学習率={r}')
print(f'エポック数={E}')
print(f'学習データセットサイズ={L}')
print(f'バッチサイズ={B}')

# 3層ニューラルネットワークの構築
# DL_3_1 からコピー
?

# 学習設定
# テキストを参考にする
?

# モデルの概要表示
model.summary()

# 学習前の状態
ls, acc = model.evaluate(data_training, label_training, verbose=0)
print('\n学習前')
print(f'学習データセット : 損失={ls:0.2f}, 正解率={acc:0.2f}')
print('画像0〜3の予測値')
print(model.predict(data_training))
print('')
    
# ディープラーニング実行
# 学習中の経過を表示したい場合は verbose=1 にする
# テキストを参考にする
?

# 学習後の状態
# テキストを参考にする
?

print('\n学習後')
print(f'学習データセット : 損失={ls:0.2f}, 正解率={acc:0.2f}')
print('画像0〜3の予測値')
print(model.predict(data_training))
print('')

print('未知画像の予測値')
print(model.predict(data))