PythonとKerasを使ってモデル全体を保存・再利用する方法を徹底解説

TensorFlowとKeras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と組み合わせて使用することで、各種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が可能になります。研究用途から本番環境まで幅広く活用されています。

KerasはPythonで書かれたディープラーニングAPIです。高水準APIとして設計されており、生産性の高いインターフェースによって機械学習の問題を効率的に解決できます。TensorFlowフレームワーク上で動作し、素早い実験・試行を支援するために開発されました。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備えており、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いるため、以下のコードで簡単に利用を開始できます。

import tensorflow
from tensorflow import keras

以降のコードは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、事前設定は一切不要でGPU（グラフィックス処理ユニット）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。

モデル全体を保存するコード例

print("新しいモデルインスタンスを作成します")
model = create_model()
print("モデルを訓練データに適合させます")
model.fit(train_images, train_labels, epochs=5)
print("モデルを保存します")
!mkdir -p saved_model
model.save('saved_model/my_model')
ls saved_model

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

コードの解説

• create_modelメソッドを使用して、新しいモデルインスタンスを作成します。
• 作成したモデルを訓練データに適合（fit）させます。epochs=5により、訓練データを5回繰り返し学習します。
• 保存先となる新しいディレクトリを作成します。「!mkdir -p saved_model」により、saved_modelフォルダが存在しない場合に自動的に作成されます。
• 学習完了後、saveメソッドを使ってモデルを保存します。保存形式はTensorFlow SavedModel形式で、モデルのアーキテクチャ、重み、オプティマイザの状態などがすべて含まれます。
• 最後に「ls saved_model」で保存されたモデルのパスをコンソールに表示し、保存が正しく行われたことを確認します。

まとめ

Kerasのsaveメソッドを使えば、訓練済みモデル全体をわずか数行のコードで保存できます。保存したモデルは後から読み込んで推論や追加学習に利用できるため、長時間の訓練結果を失うことなく再利用できる点が大きなメリットです。