ClasCat® AI Research

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 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：

* 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