TensorFlowで花のデータセットを使ってモデルの学習を続ける方法

花のデータセットでモデルの学習を継続するには、Kerasのfitメソッドを使用します。このメソッドには、エポック数（データ全体を何回繰り返してモデルを構築するかの回数）も指定します。学習の過程では、サンプル画像がコンソール上に表示されることもあります。

使用するデータセットについて

本記事では、数千枚の花の画像を含む「flowers（花）」データセットを使用します。このデータセットは5つのサブディレクトリで構成されており、各クラス（花の種類）ごとに1つのサブディレクトリが割り当てられています。

以下のコードはGoogle Colaboratory（Google Colab）上で実行しています。Google Colabはブラウザ上でPythonコードを実行できる環境であり、事前の設定が一切不要で、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。

モデルを学習させるコード

print("The data is fit to the model")
model.fit(
    train_ds,
    validation_data=val_ds,
    epochs=3
)

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

実行結果

The data is fit to the model
Epoch 1/3
92/92 [==============================] - 102s 1s/step - loss: 0.7615 - accuracy: 0.7146 - val_loss: 0.7673 - val_accuracy: 0.7180
Epoch 2/3
92/92 [==============================] - 95s 1s/step - loss: 0.5864 - accuracy: 0.7786 - val_loss: 0.6814 - val_accuracy: 0.7629
Epoch 3/3
92/92 [==============================] - 95s 1s/step - loss: 0.4180 - accuracy: 0.8478 - val_loss: 0.7040 - val_accuracy: 0.7575
<tensorflow.python.keras.callbacks.History at 0x7fda872ea940>

コードの解説

• 以前keras.preprocessingを使って作成したものと同様のデータセットを、今回はtf.data.Datasetを用いて構築しています。
• fitメソッドに訓練用データセットと検証用データセットを渡すことで、モデルの学習をそのまま継続できます。
• ここでは学習時間を抑えるため、エポック数を3と少なめに設定しています。

実行結果を見ると、エポックが進むごとに訓練データに対するaccuracy（正解率）が0.71から0.84へと向上していることがわかります。一方、検証データのval_accuracyは0.75前後で推移しており、エポック数を増やしすぎると過学習のリスクもあるため、適切なタイミングでの早期終了や正則化の検討が有効です。