TensorFlowとPythonで1次元畳み込みネットワークを構築する方法【コード例付き】

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できます。研究用途から本番環境まで幅広く活用されています。

TensorFlowの主な特徴

TensorFlowには、複雑な数値計算を高速に処理するための最適化技術が組み込まれています。これは内部でNumPyと多次元配列を使用しているためです。この多次元配列は「テンソル」と呼ばれます。

主な特徴は以下の通りです。

• ディープニューラルネットワークの構築・学習をサポート
• 高いスケーラビリティと豊富な人気データセットの同梱
• GPU計算への対応とリソース管理の自動化
• 多数の機械学習ライブラリ、充実したドキュメントとサポート体制

これらの機能により、ディープニューラルネットワークモデルの実行や学習を行い、データセットの関連する特性を予測するアプリケーションを作成することが可能です。

TensorFlowのインストール方法

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

テンソルとは何か？

テンソルはTensorFlowで使用されるデータ構造です。フロー図におけるエッジ（辺）を接続する役割を担っており、このフロー図は「データフローグラフ」と呼ばれます。テンソルの正体は、多次元配列またはリストにすぎません。

Google Colaboratory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、環境構築が不要なうえ、GPU（グラフィックス処理ユニット）へ無料でアクセスできます。Jupyter Notebookをベースに構築されています。

1次元畳み込みネットワークを構築するコード例

以下が実際のコードスニペットです。

print("Defining the function to build a one dimensional convolutional network")
def create_model(vocab_size, num_labels):
    model = tf.keras.Sequential([
        layers.Embedding(vocab_size, 64, mask_zero=True),
        layers.Conv1D(64, 5, padding="valid", activation="relu", strides=2),
        layers.GlobalMaxPooling1D(),
        layers.Dense(num_labels)
    ])
    return model

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

出力結果

Defining the function to build a one dimensional convolutional network

コードの解説

• 1次元畳み込みニューラルネットワークの構築には、初期化されたベクトル化モデルを使用しています。
• モデルの定義には、層を順番に積み重ねるだけで直感的にネットワークを組める「Sequential」APIを採用しています。
• Embedding層で単語をベクトル化し、Conv1D層で系列データの特徴を抽出、GlobalMaxPooling1D層で次元を圧縮し、最終的にDense層で分類結果を出力する構成になっています。