PythonとTensorFlowでSequentialモデル（Denseレイヤー）を構築する方法を徹底解説

TensorFlowとは

TensorFlowは、Googleが提供する機械学習フレームワークです。オープンソースとして公開されており、Pythonと組み合わせることで、アルゴリズムの実装やディープラーニングアプリケーションの開発など、幅広い用途に活用できます。研究開発から本番環境（プロダクション）まで、さまざまな場面で採用されている実績あるフレームワークです。

Windows環境に「tensorflow」パッケージをインストールするには、以下のコマンドを実行します。

pip install tensorflow

Kerasとは

layers APIは、Keras APIの一部として提供されています。Kerasという名前はギリシャ語で「角（つの）」を意味します。Kerasは、ONEIROS（Open ended Neuro-Electronic Intelligent Robot Operating System：開放型神経電子知能ロボットオペレーティングシステム）プロジェクトの研究の一環として開発されました。

KerasはPythonで記述されたディープラーニングAPIであり、機械学習の課題を効率的に解決するための生産性の高いインターフェースを備えた高水準APIです。TensorFlowフレームワーク上で動作し、素早く実験を繰り返せるように設計されています。機械学習ソリューションの開発やカプセル化に不可欠な抽象化機能と構成要素を提供しており、高いスケーラビリティとクロスプラットフォーム対応も特徴です。そのため、TPUやGPUクラスタ上での実行はもちろん、Webブラウザやモバイルデバイス向けへのモデルのエクスポートにも対応しています。

KerasはTensorFlowパッケージにあらかじめ含まれているため、以下のコードですぐに利用を始められます。

import tensorflow
from tensorflow import keras

Google Colaboratoryについて

本記事のコードはGoogle Colaboratoryで実行しています。Google Colab（Colaboratory）を利用すれば、ブラウザ上で直接Pythonコードを実行でき、面倒な環境設定は一切不要です。さらに、GPU（グラフィックス処理装置）へ無料でアクセスできる点も大きな魅力です。ColaboratoryはJupyter Notebookをベースに構築されています。

Denseレイヤーを作成するコード例

以下は、Denseレイヤーを作成するサンプルコードです。

コード例

print("Three dense layers are being created")
layer1 = layers.Dense(2, activation="relu", name="layer_1")
layer2 = layers.Dense(3, activation="relu", name="layer_2")
layer3 = layers.Dense(4, name="layer_3")

print("The model is being called on test data")

x = tf.ones((4, 4))
y = layer3(layer2(layer1(x)))

コード出典：https://www.tensorflow.org/guide/keras/sequential_model

出力結果

Three dense layers are being created
The model is being called on test data
The layers are
[<tensorflow.python.keras.layers.core.Dense object at 0x7fe921aaf7b8>, <tensorflow.python.keras.layers.core.Dense object at 0x7fe921a6d898>, <tensorflow.python.keras.layers.core.Dense object at 0x7fe921a6dc18>]

コードの解説

• これは、KerasでSequentialモデルを作成し、そこへレイヤーを追加するもう一つの手法です。
• 各レイヤーは「layers.Dense」メソッドを呼び出すことで明示的に作成されます。
• 作成したレイヤーのリストをコンストラクタに渡すことで、Sequentialモデルが構築されます。
• 「layers」属性を参照することで、モデル内の各レイヤーに関する詳細情報を確認できます。
• レイヤーの追加が完了すると、テストデータに対する処理結果がコンソールに出力されます。