TensorFlow は、機械学習向けに開発されたエンドツーエンドのオープンソース プラットフォームです
TensorFlow を利用すると、エキスパートはもちろん初心者でも機械学習モデルを簡単に作成できます。まずは以下の各セクションをご覧ください。
import tensorflow as tf
mnist = tf.keras.datasets.mnist
(x_train, y_train),(x_test, y_test) = mnist.load_data()
x_train, x_test = x_train / 255.0, x_test / 255.0
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, activation='softmax')
])
model.compile(optimizer='adam',
loss='sparse_categorical_crossentropy',
metrics=['accuracy'])
model.fit(x_train, y_train, epochs=5)
model.evaluate(x_test, y_test)
エキスパート向け
サブクラス化 API は、高度な研究に適した Define-by-Run インターフェースを提供します。モデル用のクラスを作成してから、フォワードパスを命令的に記述します。カスタムレイヤ、アクティベーション、トレーニング ループは簡単に記述できます。以下の「Hello World」の例を実行したら、チュートリアルで詳細を確認してください。
class MyModel(tf.keras.Model):
def __init__(self):
super(MyModel, self).__init__()
self.conv1 = Conv2D(32, 3, activation='relu')
self.flatten = Flatten()
self.d1 = Dense(128, activation='relu')
self.d2 = Dense(10, activation='softmax')
def call(self, x):
x = self.conv1(x)
x = self.flatten(x)
x = self.d1(x)
return self.d2(x)
model = MyModel()
with tf.GradientTape() as tape:
logits = model(images)
loss_value = loss(logits, labels)
grads = tape.gradient(loss_value, model.trainable_variables)
optimizer.apply_gradients(zip(grads, model.trainable_variables))
よくある問題への解決策
プロジェクトの参考になるステップバイステップ チュートリアルをご覧ください。
Keras による ML の基本
はじめてのニューラル ネットワーク
スニーカーやシャツなど、身に着けるものの画像を分類するニューラル ネットワークをトレーニングします。短時間で終えられるこのチュートリアルを通じて、TensorFlow プログラムの全体像を大まかに把握することができます。
