Skip to content

ClasCat® AI Research

クラスキャット – 生成 AI, AI エージェント, MCP

Menu
  • ホーム
    • ClassCat® AI Research ホーム
    • クラスキャット・ホーム
  • OpenAI API
    • OpenAI Python ライブラリ 1.x : 概要
    • OpenAI ブログ
      • GPT の紹介
      • GPT ストアの紹介
      • ChatGPT Team の紹介
    • OpenAI platform 1.x
      • Get Started : イントロダクション
      • Get Started : クイックスタート (Python)
      • Get Started : クイックスタート (Node.js)
      • Get Started : モデル
      • 機能 : 埋め込み
      • 機能 : 埋め込み (ユースケース)
      • ChatGPT : アクション – イントロダクション
      • ChatGPT : アクション – Getting started
      • ChatGPT : アクション – アクション認証
    • OpenAI ヘルプ : ChatGPT
      • ChatGPTとは何ですか?
      • ChatGPT は真実を語っていますか?
      • GPT の作成
      • GPT FAQ
      • GPT vs アシスタント
      • GPT ビルダー
    • OpenAI ヘルプ : ChatGPT > メモリ
      • FAQ
    • OpenAI ヘルプ : GPT ストア
      • 貴方の GPT をフィーチャーする
    • OpenAI Python ライブラリ 0.27 : 概要
    • OpenAI platform
      • Get Started : イントロダクション
      • Get Started : クイックスタート
      • Get Started : モデル
      • ガイド : GPT モデル
      • ガイド : 画像生成 (DALL·E)
      • ガイド : GPT-3.5 Turbo 対応 微調整
      • ガイド : 微調整 1.イントロダクション
      • ガイド : 微調整 2. データセットの準備 / ケーススタディ
      • ガイド : 埋め込み
      • ガイド : 音声テキスト変換
      • ガイド : モデレーション
      • ChatGPT プラグイン : イントロダクション
    • OpenAI Cookbook
      • 概要
      • API 使用方法 : レート制限の操作
      • API 使用方法 : tiktoken でトークンを数える方法
      • GPT : ChatGPT モデルへの入力をフォーマットする方法
      • GPT : 補完をストリームする方法
      • GPT : 大規模言語モデルを扱う方法
      • 埋め込み : 埋め込みの取得
      • GPT-3 の微調整 : 分類サンプルの微調整
      • DALL-E : DALL·E で 画像を生成して編集する方法
      • DALL·E と Segment Anything で動的マスクを作成する方法
      • Whisper プロンプティング・ガイド
  • Gemini API
    • Tutorials : クイックスタート with Python (1) テキスト-to-テキスト生成
    • (2) マルチモーダル入力 / 日本語チャット
    • (3) 埋め込みの使用
    • (4) 高度なユースケース
    • クイックスタート with Node.js
    • クイックスタート with Dart or Flutter (1) 日本語動作確認
    • Gemma
      • 概要 (README)
      • Tutorials : サンプリング
      • Tutorials : KerasNLP による Getting Started
  • Keras 3
    • 新しいマルチバックエンド Keras
    • Keras 3 について
    • Getting Started : エンジニアのための Keras 入門
    • Google Colab 上のインストールと Stable Diffusion デモ
    • コンピュータビジョン – ゼロからの画像分類
    • コンピュータビジョン – 単純な MNIST convnet
    • コンピュータビジョン – EfficientNet を使用した微調整による画像分類
    • コンピュータビジョン – Vision Transformer による画像分類
    • コンピュータビジョン – 最新の MLPモデルによる画像分類
    • コンピュータビジョン – コンパクトな畳込み Transformer
    • Keras Core
      • Keras Core 0.1
        • 新しいマルチバックエンド Keras (README)
        • Keras for TensorFlow, JAX, & PyTorch
        • 開発者ガイド : Getting started with Keras Core
        • 開発者ガイド : 関数型 API
        • 開発者ガイド : シーケンシャル・モデル
        • 開発者ガイド : サブクラス化で新しい層とモデルを作成する
        • 開発者ガイド : 独自のコールバックを書く
      • Keras Core 0.1.1 & 0.1.2 : リリースノート
      • 開発者ガイド
      • Code examples
      • Keras Stable Diffusion
        • 概要
        • 基本的な使い方 (テキスト-to-画像 / 画像-to-画像変換)
        • 混合精度のパフォーマンス
        • インペインティングの簡易アプリケーション
        • (参考) KerasCV – Stable Diffusion を使用した高性能画像生成
  • TensorFlow
    • TF 2 : 初級チュートリアル
    • TF 2 : 上級チュートリアル
    • TF 2 : ガイド
    • TF 1 : チュートリアル
    • TF 1 : ガイド
  • その他
    • 🦜️🔗 LangChain ドキュメント / ユースケース
    • Stable Diffusion WebUI
      • Google Colab で Stable Diffusion WebUI 入門
      • HuggingFace モデル / VAE の導入
      • LoRA の利用
    • Diffusion Models / 拡散モデル
  • クラスキャット
    • 会社案内
    • お問合せ
    • Facebook
    • ClassCat® Blog
Menu

TensorFlow.js : チュートリアル : Keras モデルを TensorFlow.js にインポートする

Posted on 04/11/2018 by Sales Information

TensorFlow.js : チュートリアル : Keras モデルを TensorFlow.js にインポートする (翻訳/解説)

作成 : (株)クラスキャット セールスインフォメーション
日時 : 04/11/2018

* 本ページは、TensorFlow.js サイトの Tutorials – Importing a Keras model into TensorFlow.js を翻訳した上で
適宜、補足説明したものです:

  • https://js.tensorflow.org/tutorials/import-keras.html

* ご自由にリンクを張って頂いてかまいませんが、sales-info@classcat.com までご一報いただけると嬉しいです。

 

序

Keras モデル (典型的には Python API を通して作成されます) は 幾つかのフォーマットの一つ でセーブされます。”whole model” フォーマットは TensorFlow.js 層フォーマットに変換可能で、これは推論や更なる訓練のために TensorFlow.js に直接ロードできます。

ターゲット TensorFlow.js 層フォーマットは model.json ファイルとバイナリ形式のシャードされた重みファイルのセットを含むディレクトリです。model.json ファイルはモデル・トポロジー (aka “architecture” または “graph” : 層とそれらがどのように接続されているかの記述) と重みファイルのマニフェストの両者を含みます。

 

Requirements

変換手続きは Python 環境を必要とします ; 貴方は pipenv か virtualenv を使用して隔離された一つを保持することを望むかもしれません。変換器 (= converter) をインストールするためには pip install tensorflowjs を使用してください。

Keras モデルを TensorFlow.js にインポートすることは 2 段階のプロセスです。最初に、既存の Keras モデルを TF.js 層フォーマットに変換し、それから TensorFlow.js にロードします。

 

Step 1. 既存の Keras モデルを TF.js 層フォーマットに変換する

Keras モデルは通常は model.save(filepath) を通してセーブされます、これはモデル・トポロジーと重みの両者を含む単一の HDF5 (.h5) ファイルです。そのようなファイルを TF.js 層フォーマットに変換するためには、次のコマンドを実行します、ここで path/to/my_model.h5 はソース Keras .h5 ファイルで path/to/tfjs_target_dir は TF.js ファイルのためのターゲット出力ディレクトリです :

tensorflowjs_converter --input_format keras \
                       path/to/my_model.h5 \
                       path/to/tfjs_target_dir

 

Alternative : TF.js 層フォーマットに直接エクスポートするために Python API を使用する

もし貴方が Keras モデルを Python で持つのであれば、それを次のように TensorFlow.js 層フォーマットに直接的にエクスポートできます :

# Python

import tensorflowjs as tfjs

def train(...):
    model = keras.models.Sequential()   # for example
    ...
    model.compile(...)
    model.fit(...)
    tfjs.converters.save_keras_model(model, tfjs_target_dir)

 

Step 2: モデルを TensorFlow.js にロードする

Step 1 で生成した変換されたモデルファイルをサービス提供するためには web サーバを使用します。JavaScript でファイルを取得することを可能にするために、Cross-Origin リソース共有 (Resource Sharing, CORS) が有効になるように貴方のサーバを構成する必要があるかもしれないことに注意してください。

それから model.json ファイルへの URL を提供することによりモデルを TensorFlow.js にロードします :

// JavaScript

import * as tf from '@tensorflow/tfjs';

const model = await tf.loadModel('https://foo.bar/tfjs_artifacts/model.json');

今はモデルは推論、評価、あるいは再訓練のために準備ができています。例えば、ロードされたモデルは予測を行なうために直ちに利用できます :

// JavaScript

const example = tf.fromPixels(webcamElement);  // for example
const prediction = model.predict(example);

TensorFlow.js Examples の多くはこのアプローチを取り、変換されて Google Cloud Storage 上でホストされる事前訓練されたモデルを使用します。

model.json filepath を使用してモデル全体を参照することに注意してください。loadModel(…) は model.json を取得してそれから model.json weight マニフェストで参照されるシャードされた重みファイルを得るために追加の HTTP(S) リクエストを行ないます。このアプローチはこれらのファイルにブラウザ (そして多分インターネット上の追加のキャッシング・サーバ) によりキャッシュされることを可能にします、何故ならば model.json と重みシャードは典型的なキャッシュ・ファイルサイズ制限よりもそれぞれより小さいからです。こうして次の機会にはモデルは多分より迅速にロードされるでしょう。

 

サポートされる特徴

現在 TensorFlow.js 層は標準的な Keras 構成部品を使用する Keras モデルをサポートするだけです。サポートされていない ops や 層 — e.g. カスタム層、Lambda 層、カスタム損失、あるいはカスタム・メトリクス — を使用するモデルは自動的にはインポートできません、何故ならばそれらは確実には JavaScript に翻訳できない Python コードに依存するからです。

 

以上



クラスキャット

最近の投稿

  • LangGraph 0.5 : エージェント開発 : ワークフローとエージェント
  • LangGraph 0.5 : エージェント開発 : エージェントの実行
  • LangGraph 0.5 : エージェント開発 : prebuilt コンポーネントを使用したエージェント開発
  • LangGraph 0.5 : Get started : ローカルサーバの実行
  • LangGraph 0.5 on Colab : Get started : human-in-the-loop 制御の追加

タグ

AutoGen (13) ClassCat Press Release (20) ClassCat TF/ONNX Hub (11) DGL 0.5 (14) Eager Execution (7) Edward (17) FLUX.1 (16) Gemini (20) HuggingFace Transformers 4.5 (10) HuggingFace Transformers 4.6 (7) HuggingFace Transformers 4.29 (9) Keras 2 Examples (98) Keras 2 Guide (16) Keras 3 (10) Keras Release Note (17) Kubeflow 1.0 (10) LangChain (45) LangGraph (24) LangGraph 0.5 (8) MediaPipe 0.8 (11) Model Context Protocol (16) NNI 1.5 (16) OpenAI Agents SDK (8) OpenAI Cookbook (13) OpenAI platform (10) OpenAI platform 1.x (10) OpenAI ヘルプ (8) TensorFlow 2.0 Advanced Tutorials (33) TensorFlow 2.0 Advanced Tutorials (Alpha) (15) TensorFlow 2.0 Advanced Tutorials (Beta) (16) TensorFlow 2.0 Guide (10) TensorFlow 2.0 Guide (Alpha) (16) TensorFlow 2.0 Guide (Beta) (9) TensorFlow 2.0 Release Note (12) TensorFlow 2.0 Tutorials (20) TensorFlow 2.0 Tutorials (Alpha) (14) TensorFlow 2.0 Tutorials (Beta) (12) TensorFlow 2.4 Guide (24) TensorFlow Deploy (8) TensorFlow Get Started (7) TensorFlow Probability (9) TensorFlow Programmer's Guide (22) TensorFlow Release Note (18) TensorFlow Tutorials (33) TF-Agents 0.4 (11)
2018年4月
月 火 水 木 金 土 日
 1
2345678
9101112131415
16171819202122
23242526272829
30  
« 3月   5月 »
© 2025 ClasCat® AI Research | Powered by Minimalist Blog WordPress Theme