KerasでHDF5形式のモデルを保存・再利用する方法をわかりやすく解説

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の実装などに幅広く活用されています。研究用途から本番環境まで、多くの場面で採用されている実績あるフレームワークです。

「tensorflow」パッケージは、Windows環境では以下のコマンドでインストールできます。

pip install tensorflow

テンソル（Tensor）とはTensorFlowで使われるデータ構造であり、フロー図におけるエッジ（辺）をつなぐ役割を担います。このフロー図は「データフローグラフ」と呼ばれます。テンソルは多次元配列またはリストそのものだと考えて差し支えありません。

Kerasとは

Kerasは、ONEIROS（Open ended Neuro-Electronic Intelligent Robot Operating System）というプロジェクトの研究の一環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用APIであり、機械学習の問題を効率的に解決するための高水準インターフェースを提供します。

KerasはTensorFlowフレームワークの上で動作します。素早く実験を行えるよう設計されており、機械学習ソリューションの開発とカプセル化に不可欠な抽象化機能やビルディングブロックを備えています。高い拡張性を持ち、クロスプラットフォーム対応であるため、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端末向けにエクスポートすることもできます。

KerasはTensorFlowパッケージにすでに含まれており、以下のコードでアクセスできます。

import tensorflow
from tensorflow import keras

本記事のコードはGoogle Colaboratoryで実行しています。Google Colab（Colaboratory）を利用すると、ブラウザ上でPythonコードを実行でき、事前設定は不要でGPU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。

HDF5形式でモデルを保存するコード例

print("モデルをHDF5形式で保存します")
model.save('my_model.h5')
print("同じ重みとオプティマイザを持つモデルを再作成します")
new_model = tf.keras.models.load_model('my_model.h5')
print("モデルのアーキテクチャを確認します")
new_model.summary()

コード出典：https://www.tensorflow.org/tutorials/keras/save_and_load

出力結果

コードの解説

• 新しく作成したモデルは、「save」関数を使って保存できます。

• 拡張子「.h5」を指定することで、モデルをHDF5形式で明示的に保存できます。

• 保存したモデルは、「load_model」メソッドで読み込む際に、以前の重みとオプティマイザの状態をそのまま引き継ぎます。

• 読み込んだ新しいモデルの詳細情報は、「summary」メソッドを使ってコンソール上に表示して確認できます。

HDF5形式での保存は、モデルのアーキテクチャ、重み、学習設定、オプティマイザの状態をすべて1つのファイルにまとめられる便利な方法です。学習済みモデルの再利用や共有を行いたい場合にぜひ活用してください。