TensorFlowとPythonで推定器（Estimator）をインスタンス化する方法を解説

TensorFlowで推定器（Estimator）をインスタンス化するには、TensorFlowライブラリのestimatorクラスに含まれるDNNClassifierメソッドを使用します。

Estimatorとは何か

Estimatorは、TensorFlowにおける完全なモデルの高レベルな抽象表現です。スケーリングや非同期学習を容易に行えるよう設計されており、モデルの構築・学習・評価のプロセスをシンプルにまとめることができます。本記事では、アヤメ（Iris）データセットを用いて分類モデルを学習させる例を紹介します。

なお、コードの実行にはGoogle Colaboratoryを使用しています。Google Colabはブラウザ上でPythonコードを実行できる環境で、面倒な設定が不要であり、GPU（グラフィックス処理装置）への無料アクセスも可能です。ColaboratoryはJupyter Notebookをベースに構築されています。

また、TensorFlow TextにはTensorFlow 2.0で利用できるテキスト関連のクラスやオペレーションがまとめられており、系列モデリングの前処理などにも活用できます。

実装例：DNNClassifierによるインスタンス化

以下のコードでは、隠れ層を2つ持ち、それぞれ30個と10個のノードを持つDNN（深層ニューラルネットワーク）を構築しています。少なくとも1つの層を含むニューラルネットワークを畳み込み層と呼ぶこともあり、このようなネットワーク構造を使って学習モデルを構築します。モデルの構築には、単純な層のスタックを扱うのに適したKeras Sequential APIも利用できます。Sequential APIでは、すべての層が入力テンソルを1つ、出力テンソルを1つだけ持つプレーンな積み重ね構造のモデルを作成できます。

print("Build a DNN that has 2 hidden layers with 30 and 10 hidden nodes each")
classifier = tf.estimator.DNNClassifier(
    feature_columns=my_feature_columns,
    hidden_units=[30, 10],
    n_classes=3)

コード出典：https://www.tensorflow.org/tutorials/estimator/premade#first_things_first

出力結果

Build a DNN that has 2 hidden layers with 30 and 10 hidden nodes each
INFO:tensorflow:Using default config.
WARNING:tensorflow:Using temporary folder as model directory: /tmp/tmpdh8866zb
INFO:tensorflow:Using config: {'_model_dir': '/tmp/tmpdh8866zb', '_tf_random_seed': None, '_save_summary_steps': 100, '_save_checkpoints_steps': None, '_save_checkpoints_secs': 600, '_session_config': allow_soft_placement: true
graph_options {
    rewrite_options {
       meta_optimizer_iterations: ONE
    }
}
, '_keep_checkpoint_max': 5, '_keep_checkpoint_every_n_hours': 10000, '_log_step_count_steps': 100, '_train_distribute': None, '_device_fn': None, '_protocol': None, '_eval_distribute': None, '_experimental_distribute': None, '_experimental_max_worker_delay_secs': None, '_session_creation_timeout_secs': 7200, '_checkpoint_save_graph_def': True, '_service': None, '_cluster_spec': ClusterSpec({}), '_task_type': 'worker', '_task_id': 0, '_global_id_in_cluster': 0, '_master': '', '_evaluation_master': '', '_is_chief': True, '_num_ps_replicas': 0, '_num_worker_replicas': 1}

コードの解説

• アヤメ（Iris）の問題は、多クラス分類問題として扱われます。
• TensorFlowには、すぐに使える事前定義済みの分類用Estimatorが多数用意されています。主なものは以下の通りです。
  • tf.estimator.DNNClassifier：多クラス分類を行う深層モデル向けの分類器
  • tf.estimator.DNNLinearCombinedClassifier：ワイド＆ディープモデル向けの分類器
  • tf.estimator.LinearClassifier：線形モデルに基づく分類器
• アヤメの分類問題では、これらの中からtf.estimator.DNNClassifierを使用します。