PythonのTensorFlowでシーケンシャルモデルを使うべきケースとは？具体例付きで解説

シーケンシャルモデルが適しているのはどんなとき？

シーケンシャル（Sequential）モデルは、レイヤーが単純に積み重なった「プレーンなスタック構造」を持つモデルに適しています。このスタックでは、各レイヤーが必ず1つの入力テンソルと1つの出力テンソルを持ちます。

一方、以下のようなケースにはシーケンシャルモデルは不向きです。

• モデルに複数の入力または複数の出力がある場合
• 複数のレイヤー間で同じレイヤーを共有する場合
• 個々のレイヤー自体が複数の入力や出力を持つ場合
• 非線形なアーキテクチャが必要な場合

TensorFlowとKerasとは

TensorFlowについて

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と組み合わせてアルゴリズムやディープラーニングアプリケーションなどを実装できます。研究用途から本番環境まで幅広く使われており、複雑な数値計算を高速に実行するための最適化技術を備えています。これは内部でNumPyと多次元配列を活用しているためです。この多次元配列は「テンソル」とも呼ばれます。

Kerasについて

Kerasは、ONEIROS（Open ended Neuro-Electronic Intelligent Robot Operating System）というプロジェクトの研究成果として開発されました。Pythonで書かれたディープラーニングAPIであり、機械学習の問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持つ高水準APIです。TensorFlowフレームワークの上で動作し、素早く実験を行えるよう設計されています。

Kerasは高いスケーラビリティとクロスプラットフォーム対応力を持ち、TPUやGPUクラスタ上でも実行可能です。さらに、KerasのモデルはWebブラウザやモバイルデバイス向けにエクスポートすることもできます。

KerasはTensorFlowパッケージにあらかじめ含まれており、以下のコードで利用できます。

import tensorflow
from tensorflow import keras

動作環境：Google Colaboratory

本記事のコードはGoogle Colaboratoryで実行しています。Google Colab（Colaboratory）はブラウザ上でPythonコードを実行できるサービスで、面倒な設定は一切不要。GPU（グラフィックス処理装置）にも無料でアクセスでき、Jupyter Notebookをベースに構築されています。

シーケンシャルモデルの定義例

それでは、TensorFlowとKerasを使ってシーケンシャルモデルを定義する例を見てみましょう。

サンプルコード

import tensorflow as tf
from tensorflow import keras
from tensorflow.keras import layers

print("3つのレイヤーを持つシーケンシャルモデルを定義します")
model = keras.Sequential(
    [
        layers.Dense(2, activation="relu", name="layer_1"),
        layers.Dense(3, activation="relu", name="layer_2"),
        layers.Dense(4, name="layer_3"),
    ]
)
print("テストデータに対してモデルを呼び出します")
x = tf.ones((2, 2))
y = model(x)

コード引用元：https://www.tensorflow.org/guide/keras/sequential_model

出力結果

A sequenital model is being defined, that has three layers
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

• 必要なパッケージをインポートし、別名（エイリアス）を付けています。
• KerasのSequentialメソッドを使用して、シーケンシャルモデルを作成しています。ここではDenseレイヤー（全結合層）を3つ積み重ねています。
• 作成したモデルをテストデータに対して呼び出し、順伝播処理を実行しています。
• モデル内の各レイヤーの詳細情報がコンソールに出力されます。

まとめ

シーケンシャルモデルは、レイヤーが直列に連なるシンプルなネットワーク構造に最適な選択肢です。ただし、複数入出力やレイヤー共有、非線形アーキテクチャが必要な場合は、Functional APIやModel subclassingといった他の手法を検討しましょう。まずは小さなモデルから試して、シーケンシャルモデルの使い勝手を体感するのがおすすめです。