PythonとKerasでモデルを構築する際の一般的なデバッグワークフローとは？

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使われています。研究用途から本番環境まで幅広く活用されており、複雑な数学的演算を高速に処理するための最適化技術を備えています。

これはTensorFlowがNumPyと多次元配列を基盤としているためです。この多次元配列は「テンソル」とも呼ばれます。

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

Kerasはギリシャ語で「角（つの）」を意味します。Kerasは、ONEIROS（Open ended Neuro-Electronic Intelligent Robot Operating System：オープンエンド型神経電子知能ロボット用OS）プロジェクトの研究の一環として開発されました。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るのが特徴です。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とビルディングブロックを提供します。

Kerasは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ます。そのため、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おり、以下のコードで読み込めます。

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）を利用すると、ブラウザ上でPythonコードを実行でき、事前設定は一切不要で、GPU（Graphics Processing Unit）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たサービスです。以下がコード例です。

コード例

print("Creating a sequential model")
model = keras.Sequential()
print("Adding layers to it")
model.add(keras.Input(shape=(250, 250, 3))) # 250x250 RGB images
model.add(layers.Conv2D(32, 5, strides=2, activation="relu"))
model.add(layers.Conv2D(32, 3, activation="relu"))
model.add(layers.MaxPooling2D(3))
print("Data about the layers in the model")
model.summary()
print("Adding more layers to the model")
model.add(layers.Conv2D(32, 3, activation="relu"))
model.add(layers.Conv2D(32, 3, activation="relu"))
model.add(layers.MaxPooling2D(3))
model.add(layers.Conv2D(32, 3, activation="relu"))
model.add(layers.Conv2D(32, 3, activation="relu"))
model.add(layers.MaxPooling2D(2))
print("Data about the layers in the model")
model.summary()
print("Applying golval max pooling")
model.add(layers.GlobalMaxPooling2D())
print("Adding a classification layer to the model")
model.add(layers.Dense(10))

コード出典 − https://www.tensorflow.org/guide/keras/sequential_model

出力

解説

• シーケンシャル（逐次）アーキテクチャを構築する際は、レイヤーを段階的に積み重ねていくことが推奨されます。

• レイヤーの追加には「add」関数を使用します。

• 「summary」メソッドをこまめに呼び出すことで、モデルの構造に関する詳細な情報を随時確認できます。

• これにより、「Conv2D」と「MaxPooling2D」レイヤーのスタックが画像の特徴マップをどのようにダウンサンプリングしていくかを監視するのにも役立ちます。