TensorFlowのEstimatorとPythonを使って予測結果を出力する方法

「predict」メソッドは、これまで一度も見たことのないデータに対して呼び出されます。そして、予測結果と実際の値がコンソール上に表示されます。

関連記事：
TensorFlowとは何か？KerasがTensorFlowと連携してニューラルネットワークを構築する仕組み

前提知識

本記事では、KerasのSequential APIを使用します。このAPIは、各レイヤーが必ず1つの入力テンソルと1つの出力テンソルを持つ、単純なレイヤーの積み重ねからなるシーケンシャルモデルを構築する際に非常に便利です。

畳み込み層を少なくとも1つ含むニューラルネットワークは、畳み込みニューラルネットワーク（CNN）と呼ばれます。このCNNを利用することで、学習モデルを構築することが可能です。

また、TensorFlow Textには、TensorFlow 2.0で使用できるテキスト処理関連のクラスや演算（オペレーション）のコレクションが含まれています。TensorFlow Textは、系列（シーケンス）モデリングの前処理にも活用できます。

以下のコードの実行には、Google Colaboratoryを使用しています。Google Colab（Colaboratory）を利用すると、ブラウザ上で直接Pythonコードを実行でき、事前の設定は一切不要です。さらに、GPU（グラフィックス処理ユニット）への無料アクセスも提供されており、ColaboratoryはJupyter Notebookをベースに構築されています。

Estimatorとは、TensorFlowにおける完全なモデルの高レベルな抽象化表現です。スケーリングの容易さと非同期トレーニングへの対応を目的として設計されています。

サンプルコード

for pred_dict, expec in zip(predictions, expected):
    class_id = pred_dict['class_ids'][0]
    probability = pred_dict['probabilities'][class_id]
    print('Prediction is "{}" ({:.1f}%), expected "{}"'.format(
        SPECIES[class_id], 100 * probability, expec)
    )

コード引用元 − https://www.tensorflow.org/tutorials/estimator/premade#first_things_first

実行結果

INFO:tensorflow:Calling model_fn.
INFO:tensorflow:Done calling model_fn.
INFO:tensorflow:Graph was finalized.
INFO:tensorflow:Restoring parameters from /tmp/tmpbhg2uvbr/model.ckpt-5000
INFO:tensorflow:Running local_init_op.
INFO:tensorflow:Done running local_init_op.
Prediction is "Setosa" (91.3%), expected "Setosa"
Prediction is "Versicolor" (52.0%), expected "Versicolor"
Prediction is "Virginica" (63.5%), expected "Virginica"

コードの解説

• 「predict」メソッドを呼び出すことで、モデルによる予測が実行されます。

• その後、予測された値が信頼度（確率）とともにコンソールへ出力され、期待される実際のラベルと比較できるようになっています。