TensorFlowによる機械学習

TensorFlow（テンサーフロー，テンソルフロー）は Google の機械学習ライブラリである。通常は

pip install tensorflow

または

pip install tensorflow-macos

で入るはずである。Apple Silicon での別の入れ方は Getting Started with tensorflow-metal PluggableDevice 参照。

tf.keras を使う上では TensorFlow 1 系 と 2 系で見かけ上の違いはほぼない。

import tensorflow.compat.v1 as tf
tf.disable_v2_behavior()

tf_upgrade_v2 --intree dir/ --outtree dir2/ --reportfile report.txt

インポートする：

import tensorflow as tf

バージョンを確認する：

tf.__version__

'2.10.0'

tf.keras.__version__

'2.10.0'

ごくごく簡単な例として，TensorFlow のチュートリアルの最初の例をやってみる。データには有名な MNIST を使う。これは28×28ピクセルの手書き画像で，ピクセル値は0から255までの整数である。

(x_train, y_train), (x_test, y_test) = tf.keras.datasets.mnist.load_data()

初回はネットからダウンロードするが次回からは ~/.keras 以下のキャッシュ（11Mバイトくらい）を使う。ピクセルは0〜255の整数値だが，0〜1の実数に変換する：

x_train, x_test = x_train / 255.0, x_test / 255.0

ごくごく簡単なモデルを定義する：

model = tf.keras.models.Sequential([
  tf.keras.layers.Flatten(input_shape=(28, 28)),
  tf.keras.layers.Dense(128, activation='relu'),
  tf.keras.layers.Dropout(0.2),
  tf.keras.layers.Dense(10)
])

loss_fn = tf.keras.losses.SparseCategoricalCrossentropy(from_logits=True)

model.compile(optimizer='adam',
              loss=loss_fn,
              metrics=['accuracy'])

フィット：

model.fit(x_train, y_train, epochs=5)

経過の例（Mac mini (M1 2020) tensorflow-metal なし）：

2022-09-16 15:43:59.502013: W tensorflow/core/platform/profile_utils/cpu_utils.cc:128] Failed to get CPU frequency: 0 Hz
Epoch 1/5
1875/1875 [==============================] - 1s 592us/step - loss: 0.2949 - accuracy: 0.9131
Epoch 2/5
1875/1875 [==============================] - 1s 576us/step - loss: 0.1432 - accuracy: 0.9578
Epoch 3/5
1875/1875 [==============================] - 1s 589us/step - loss: 0.1087 - accuracy: 0.9680
Epoch 4/5
1875/1875 [==============================] - 1s 594us/step - loss: 0.0877 - accuracy: 0.9726
Epoch 5/5
1875/1875 [==============================] - 1s 571us/step - loss: 0.0759 - accuracy: 0.9766

（pip install tensorflow-metal すると GPU が使えるはずだが、かえって遅くなってしまったので、pip uninstall tensorflow-metal した。）

最後に評価：

model.evaluate(x_test, y_test)

正解率 0.977 程度である。

予測は次のようにして求められる：

y_pred = tf.argmax(model.predict(x_test), axis=-1).numpy()

混同行列を求める：

tf.math.confusion_matrix(y_test, y_pred)

結果の例：

<tf.Tensor: shape=(10, 10), dtype=int32, numpy=
array([[ 969,    0,    1,    2,    2,    2,    2,    1,    1,    0],
       [   0, 1118,    3,    1,    0,    1,    4,    1,    7,    0],
       [   3,    2, 1011,    3,    1,    0,    2,    5,    5,    0],
       [   0,    0,    5,  992,    0,    4,    0,    3,    4,    2],
       [   2,    0,    5,    0,  954,    1,    4,    2,    2,   12],
       [   3,    0,    0,   11,    2,  863,    5,    1,    6,    1],
       [   5,    3,    1,    0,    1,    3,  944,    0,    1,    0],
       [   1,    5,   11,    4,    0,    0,    0,  995,    2,   10],
       [   2,    0,    3,    6,    5,    3,    2,    3,  948,    2],
       [   2,    6,    0,    7,    9,    2,    1,    3,    4,  975]],
      dtype=int32)>

学習済みのモデルをHDF5形式で保存する：

model.save("mymodel.h5")

保存したモデルは次のようにして読み出す：

model = tf.keras.models.load_model("mymodel.h5")