TensorFlowとPythonでテストデータを用いてモデルを評価する方法

TensorFlowはGoogleが提供してい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ます。

TensorFlowのインストール

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

pip install tensorflow

Tensorとは

Tensor（テンソル）はTensorFlowで使われる基本的なデータ構造です。フロー図のエッジ（辺）同士をつなぐ役割を果たします。このフロー図は「データフローグラフ」と呼ばれています。テンソルは、多次元配列あるいはリストに相当するものです。

実行環境について

本記事のコードは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、面倒な設定が一切不要で、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。

コード例

それでは、実際のコードを見てみましょう。

print("モデルを評価しています")
binary_loss, binary_accuracy = binary_model.evaluate(binary_test_ds)
int_loss, int_accuracy = int_model.evaluate(int_test_ds)

print("Binaryモデルの精度: {:2.2%}".format(binary_accuracy))
print("Intモデルの精度: {:2.2%}".format(int_accuracy))

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

実行結果

モデルを評価しています
250/250 [==============================] - 3s 12ms/step - loss: 0.5265 - accuracy: 0.8110
250/250 [==============================] - 4s 14ms/step - loss: 0.5394 - accuracy: 0.8014
Binaryモデルの精度: 81.10%
Intモデルの精度: 80.14%

解説

• evaluate()メソッドを使用することで、バイナリ（binary）ベクトル化モデルと整数（int）ベクトル化モデルの両方について、テストデータにおける損失（loss）と精度（accuracy）を評価できます。

• 評価結果はコンソールに出力され、各モデルのパフォーマンスを簡単に比較することができます。

• この例では、Binaryモデルの精度が81.10%、Intモデルの精度が80.14%という結果になりました。わずかな差ではありますが、Binaryモデルの方が高い精度を示しています。