PythonとKerasを使ってモデルの重みを手動で保存・復元する方法

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深層学習アプリケーションの実装などに広く利用されています。研究用途から本番環境まで、さまざまな場面で活用されています。

Kerasは、ONEIROS（Open ended Neuro-Electronic Intelligent Robot Operating System）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で記述された深層学習APIであり、機械学習の問題解決を効率的に行うための生産性の高いインターフェースを備えた高レベルAPIです。

Kerasは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ビルディングブロックを提供しており、高いスケーラビリティとクロスプラットフォーム対応力を持ちます。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エクスポートも可能です。

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

import tensorflow
from tensorflow import keras

以下のコードは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、事前設定は不要で、GPU（グラフィックス処理装置）へ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。

コード例

print("重みを保存します")
model.save_weights('./checkpoints/my_checkpoint')
print("新しいモデルインスタンスを作成します")
model = create_model()
print("旧モデルの重みを復元します")
model.load_weights('./checkpoints/my_checkpoint')
print("モデルを評価します")
loss, acc = model.evaluate(test_images, test_labels, verbose=2)
print("復元したモデルの精度: {:5.2f}%".format(100 * acc))

コード引用元： https://www.tensorflow.org/tutorials/keras/save_and_load

実行結果

コードの解説

• 「save_weights」メソッドを使用して、モデルの重みを指定したパスに保存します。

• 「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。

• 「load_weights」メソッドで、保存しておいた旧モデルの重みを復元します。

• 復元した重みを新しいモデルに関連付けます。

• 「evaluate」メソッドを使用して、新しいモデルを評価します。

• 評価により、テストデータに対する損失（loss）と精度（accuracy）を算出します。

• これらの結果がコンソールに表示されます。

このように、Kerasの「save_weights」と「load_weights」メソッドを組み合わせることで、モデル全体ではなく重みのみを手軽に保存・復元できます。チェックポイントとして重みを保存しておけば、学習済みモデルを再利用したり、中断した学習を再開したりする際に非常に便利です。