Kerasのplot_model関数を使ってモデル構造を可視化する方法【Python】

Kerasはギリシャ語で「角（ホーン）」を意味します。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た、Pythonで書かれたディープラーニングAPIです。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水準APIとなっています。

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設計されています。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ビルディングブロックを提供してくれるのが大きな魅力です。

また、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、TPUやGPUクラスタ上でも実行可能です。さらに、KerasモデルはWebブラウザやモバイルデバイス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、以下のコードですぐに利用を始められます。

import tensorflow
from tensorflow import keras

KerasのFunctional API（関数型API）を使うと、Sequential APIで作成するモデルよりも柔軟なモデルを構築できます。Functional APIは非線形トポロジーを持つモデルに対応しており、レイヤーの共有や複数の入出力を持つモデルの実装も可能です。一般的にディープラーニングモデルは、複数のレイヤーからなる有向非巡回グラフ（DAG）として表現でき、Functional APIはこのグラフ構造の構築を強力にサポートします。

以降のコードはGoogle Colaboratoryで実行しています。Google Colabはブラウザ上でPythonコードを実行できる環境で、事前設定が一切不要なうえ、GPUにも無料でアクセスできます。Jupyter Notebookをベースに構築されている点も特徴です。

コード例

print("モデルをプロットします")
keras.utils.plot_model(model, "my_resnet.png", show_shapes=True)

コード引用元：https://www.tensorflow.org/guide/keras/functional

出力結果

解説

• 「plot_model」メソッドを使用すると、モデルの各レイヤーをグラフ構造として可視化できます。引数にファイル名を指定すれば、プロット結果がそのまま画像ファイル（この例ではmy_resnet.png）として保存されます。

• 「show_shapes=True」を指定することで、各レイヤーの入出力テンソルの形状も図中に表示され、データの流れをより詳しく把握できるようになります。

• 生成された図は、特にFunctional APIで構築した複雑なモデルのアーキテクチャ確認やデバッグに役立ち、設計意図どおりにレイヤーが接続されているかを一目でチェックできます。