TensorFlowとPythonでエクスポート済みモデルをコンパイルする方法を解説

TensorFlow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、アルゴリズムの実装やディープラーニングアプリケーションの構築など、幅広い用途に活用できます。研究開発から本番環境での運用まで、さまざまな場面で採用されている実績あるフレームワークです。

Windows環境に「tensorflow」パッケージをインストールするには、以下のコマンドを実行します。

pip install tensorflow

テンソル（Tensor）とは

テンソルはTensorFlowにおける基本的なデータ構造です。フロー図内のエッジをつなぐ役割を担っており、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と捉えることができます。

テンソルは主に以下の3つの属性によって識別されます。

• ランク（Rank） − テンソルの次元数を表します。テンソルの階数、すなわち定義されたテンソルが持つ次元の数として理解できます。

• 型（Type） − テンソルの各要素に関連付けられたデータ型を表します。1次元、2次元、あるいはn次元のテンソルが存在し得ます。

• 形状（Shape） − 行数と列数の組み合わせを表します。

使用するデータセットについて

本記事では、ウィリアム・カウパー（William Cowper）、ダービー伯爵エドワード（Edward, Earl of Derby）、サミュエル・バトラー（Samuel Butler）による3つの翻訳作品のテキストデータを含む「イリアス（Illiad）データセット」を使用します。このモデルは、1行のテキストが与えられた際に、それが誰の翻訳によるものかを識別できるように訓練されています。

使用するテキストファイルは事前に前処理が施されており、文書のヘッダーやフッター、行番号、章タイトルなどが削除されています。

以降のコードはGoogle Colaboratory上で実行しています。Google Colab（Colaboratory）を利用すれば、ブラウザ上でPythonコードを実行でき、面倒な設定も不要です。さらに、GPU（グラフィックス処理装置）へ無料でアクセスできる点も大きな魅力です。ColaboratoryはJupyter Notebookをベースに構築されています。

コード例：エクスポート済みモデルのコンパイル

以下がコードスニペットです。

print("エクスポートされたモデルをコンパイルしています")
export_model.compile(
    loss=losses.SparseCategoricalCrossentropy(from_logits=False),
    optimizer='adam',
    metrics=['accuracy'])

コード出典 − https://www.tensorflow.org/tutorials/load_data/text

出力結果

エクスポートされたモデルをコンパイルしています

解説

• モデルのエクスポートが完了したら、「compile」メソッドを使用してモデルをコンパイルします。

• コンパイル時には、損失関数（loss）、オプティマイザー（optimizer）、評価指標（metrics）の3つを指定します。ここでは多クラス分類に適した「SparseCategoricalCrossentropy」を損失関数として設定し、最適化アルゴリズムには定番の「adam」を採用、評価指標としては正解率を示す「accuracy」を指定しています。

• コンパイルを行うことで、モデルがどのように学習を進めるかが定義され、その後のfitメソッドによるトレーニングの準備が整います。これはモデルを実際に訓練する前に欠かせない重要なステップです。