TensorFlowとPythonを使ってモデルをトレーニングする方法

TensorFlowでは、fitメソッドを使ってモデルをトレーニングできます。このメソッドには、エポック数（データセット全体を何回繰り返して学習させるかを示す数値）とトレーニング用データを指定します。

実行環境について

本記事のコードはGoogle Colaboratory（Google Colab）で実行しています。Google Colabはブラウザ上でPythonコードを実行できるサービスで、面倒な環境構築が不要なうえ、GPU（グラフィックス処理ユニット）を無料で利用できるのが大きな特徴です。ColaboratoryはJupyter Notebookをベースに構築されています。

モデルのトレーニングコード

print("The model is being trained")
epochs=12
history = model.fit(
    train_ds,
    validation_data=val_ds,
    epochs=epochs
)

コード出典：https://www.tensorflow.org/tutorials/images/classification

実行結果

The model is being trained
Epoch 1/12
92/92 [==============================] - 94s 1s/step - loss: 1.6007 - accuracy: 0.3411 - val_loss: 1.0708 - val_accuracy: 0.5627
Epoch 2/12
92/92 [==============================] - 92s 995ms/step - loss: 1.0138 - accuracy: 0.5843 - val_loss: 0.9451 - val_accuracy: 0.6458
Epoch 3/12
92/92 [==============================] - 91s 990ms/step - loss: 0.8382 - accuracy: 0.6767 - val_loss: 0.9054 - val_accuracy: 0.6471
Epoch 4/12
92/92 [==============================] - 90s 984ms/step - loss: 0.6362 - accuracy: 0.7580 - val_loss: 0.8872 - val_accuracy: 0.6540
Epoch 5/12
92/92 [==============================] - 94s 1s/step - loss: 0.4125 - accuracy: 0.8572 - val_loss: 0.9114 - val_accuracy: 0.6676
Epoch 6/12
92/92 [==============================] - 91s 988ms/step - loss: 0.2460 - accuracy: 0.9207 - val_loss: 1.0891 - val_accuracy: 0.6757
Epoch 7/12
92/92 [==============================] - 91s 988ms/step - loss: 0.1721 - accuracy: 0.9532 - val_loss: 1.2619 - val_accuracy: 0.6635
Epoch 8/12
92/92 [==============================] - 90s 983ms/step - loss: 0.0658 - accuracy: 0.9823 - val_loss: 1.4119 - val_accuracy: 0.6703
Epoch 9/12
92/92 [==============================] - 90s 983ms/step - loss: 0.0556 - accuracy: 0.9865 - val_loss: 1.6113 - val_accuracy: 0.6090
Epoch 10/12
92/92 [==============================] - 91s 992ms/step - loss: 0.0805 - accuracy: 0.9729 - val_loss: 1.9744 - val_accuracy: 0.6390
Epoch 11/12
92/92 [==============================] - 90s 979ms/step - loss: 0.0545 - accuracy: 0.9838 - val_loss: 1.9303 - val_accuracy: 0.6662
Epoch 12/12
92/92 [==============================] - 96s 1s/step - loss: 0.0176 - accuracy: 0.9961 - val_loss: 1.8234 - val_accuracy: 0.6540

コードの解説

• model.fitメソッドを呼び出すことで、モデルがトレーニングデータに適合するように学習を行います。
• 引数epochsには学習の繰り返し回数を指定します。ここでは12エポックに設定しています。
• validation_dataに検証用データセットを渡すことで、各エポックごとに検証データでの損失（val_loss）と精度（val_accuracy）が計算され、過学習の兆候を把握できます。
• 戻り値のhistoryオブジェクトには、各エポックの損失や精度などの学習履歴が記録されており、後からグラフ化して学習の推移を分析することが可能です。

実行結果を見ると、トレーニングデータに対する精度（accuracy）はエポックが進むにつれて上昇し、最終的に約99.6%に達しています。一方、検証データの損失（val_loss）は途中から増加傾向にあるため、過学習が起きている可能性があります。このような場合は、ドロップアウトや正則化、早期終了（Early Stopping）などの手法を組み合わせると、汎化性能の向上が期待できます。