Kerasで入力形状を事前に指定したモデルを作成する方法を解説

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、さまざまな場面で活用されています。

Kerasは、ONEIROS（Open-ended Neuro-Electronic Intelligent Robot Operating System）プロジェクトの研究の一環として開発されました。Pythonで記述されたディープラーニングAPIであり、機械学習の課題を効率的に解決する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です。

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に設計されています。機械学習ソリューションの開発やカプセル化に不可欠な抽象化機能と構成要素を提供します。

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も大きな特徴です。TPUやGPUクラスタ上で実行できるほか、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可能です。

KerasはTensorFlowパッケージにあらかじめ含まれており、以下のコードで利用できます。

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）はブラウザ上でPythonコードを実行できるサービスで、事前設定が不要で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ます。以下がコード例です。

コード例

print("3つのDense層を作成します")
layer = layers.Dense(3)
print("層に関連付けられた重みは次の通りです")
print(layer.weights)

print("作成した層をテストデータに対して呼び出します")
x = tf.ones((2, 3))
y = layer(x)
print("現在の重みは以下の通りです")
print(layer.weights)

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

実行結果

3つのDense層を作成します
層に関連付けられた重みは次の通りです
[]
作成した層をテストデータに対して呼び出します
現在の重みは以下の通りです
[<tf.Variable 'dense_11/kernel:0' shape=(3, 3) dtype=float32, numpy=
array([[-0.9901273 , -0.70897937, -0.44804883],
   [ 0.6849613 , 0.5198808 , 0.48534775],
   [-0.07876515, -0.73648643, 0.44018626]], dtype=float32)>, <tf.Variable 'dense_11/bias:0'
shape=(3,) dtype=float32, numpy=array([0., 0., 0.], dtype=float32)>]

解説

• Kerasモデルのすべての層は、最適な重みを生成するために入力の形状を把握しておく必要があります。

• 層を作成した直後の時点では、まだ何の重みも関連付けられていません。

• そのため、初めて入力データに対して層が呼び出されたタイミングで重みが生成されます。

• これは、重みのサイズが入力データの形状に依存するためです。

• 層は順番に（シーケンシャルに）作成されていきます。

• ここでは、作成した層をテストデータに対して呼び出しています。

• その結果、新しいモデルに関連付けられた重みがコンソールに表示されます。

入力形状を明示的に指定したい場合

モデル作成の時点で入力形状を確定させたい場合は、keras.Inputを使って入力を明示的に定義するか、層のbuild()メソッドを呼び出すことで、重みを事前に初期化できます。

inputs = keras.Input(shape=(3,))
outputs = layers.Dense(3)(inputs)
model = keras.Model(inputs=inputs, outputs=outputs)

このように入力形状を先に指定しておけば、モデルの構造やパラメータ数を構築段階で確認でき、デバッグや設計の見通しが良くなります。