TensorFlowとPythonでSequential（逐次）モデルを作成する方法

Sequential（逐次）モデルは、「layers.experimental.preprocessing.Rescaling」メソッドを使用する「Sequential」APIを使って作成できます。モデルの構築時には、Rescaling以外の各レイヤーも順に指定していきます。

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

本記事では、KerasのSequential APIを使用します。このAPIは、単純なレイヤーの積み重ねで構成される逐次モデルを構築するのに適しており、すべてのレイヤーがちょうど1つの入力テンソルと1つの出力テンソルを持つという特徴があります。

以下のコードは、Google Colaboratory上で実行することを想定しています。Google Colab（Colaboratory）を利用すると、ブラウザ上でPythonコードを実行でき、事前の環境設定は一切不要で、GPU（グラフィックス処理装置）にも無料でアクセスできます。ColaboratoryはJupyter Notebookをベースに構築されています。

print("Sequentialモデルを作成しています")
num_classes = 5
model = Sequential([
    layers.experimental.preprocessing.Rescaling(1./255, input_shape=(img_height, img_width, 3)),
    layers.Conv2D(16, 3, padding='same', activation='relu'),
    layers.MaxPooling2D(),
    layers.Conv2D(32, 3, padding='same', activation='relu'),
    layers.MaxPooling2D(),
    layers.Conv2D(64, 3, padding='same', activation='relu'),
    layers.MaxPooling2D(),
    layers.Flatten(),
    layers.Dense(128, activation='relu'),
    layers.Dense(num_classes)
])

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

実行結果

Sequentialモデルを作成しています

コードの解説

• このモデルは、3つの畳み込みブロックで構成されており、各ブロックにはMax Pooling層が含まれています。
• さらに、その上に128ユニットを持つ全結合層（Dense層）が配置されています。
• 活性化関数にはReLUが使用されています。
• なお、このモデルは高精度を追求してチューニングされたものではありません。
• 以上のように、複数のレイヤーからなるSequentialモデルを作成できます。