PythonとKerasを使ってモデルを評価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などを実装するために広く利用されています。研究用途から本番環境まで、幅広い場面で活用されているのが特徴です。

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レベルAPIです。TensorFlowフレームワークの上で動作し、素早く実験を繰り返せるように設計されています。

Kerasは、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構成要素を提供します。高いスケーラビリティを持ち、クロスプラットフォームに対応しているため、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パッケージにあらかじめ含まれているため、次のコードだけ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）を利用すれば、ブラウザ上でPythonコードを実行でき、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）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。以下が実際のコードです。

コード例

print("モデルのインスタンスを作成します")
model = create_model()

print("モデルを評価しています")
loss, acc = model.evaluate(test_images, test_labels, verbose=2)
print("これは未訓練のモデルです。精度: {:5.3f}%".format(100 * acc))

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

実行結果

モデルのインスタンスを作成しました 
モデルを評価しています 32/32 -0s - loss: - sparse_categorical_accuracy: 0.0930 
これは未訓練のモデルです。精度: 9.300%

解説

• まず、create_model() を呼び出してモデルのインスタンスを作成します。

• この時点のモデルはまだ何も学習していない「未訓練」の状態であり、テストセットに対して評価が行われます。

• evaluate メソッドを使うことで、モデルが未知の新しいデータに対してどの程度正しく予測できるかを確認できます。

• 評価の結果として、損失（loss）と精度（accuracy）の両方が算出され、戻り値として受け取れます。

• 引数 verbose=2 を指定すると、進捗バーではなく簡潔な1行の出力が表示されます。

• 最後に、損失と精度の値がコンソールに出力されます。この例では未訓練のため、精度は約9.3%にとどまっています。

このように、Kerasの evaluate メソッドを使えば、わずか数行のコードでモデルの性能を定量的に把握できます。訓練前後で同じテストデータに対して評価を実行すれば、学習によってモデルがどれだけ改善したかを簡単に比較することも可能です。