Pythonを用いたディープラーニングのモデルを保存する方法について説明します。Kerasライブラリを用いたモデルの保存方法や、TensorFlowでの保存方法についても解説します。

Kerasでのモデル保存方法

Kerasでは、save()メソッドを用いることでモデルを保存できます。以下のようなコードで保存できます。

from tensorflow import keras

model = keras.Sequential([
  # モデルの定義
])

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

# モデルの訓練

model.save('model.h5')

このように、save()メソッドの引数に保存先のファイル名を指定します。

TensorFlowでのモデル保存方法

TensorFlowでは、SavedModel形式やtf.train.Checkpoint形式でモデルを保存することができます。以下のようなコードで保存できます。

import tensorflow as tf

model = tf.keras.Sequential([
  # モデルの定義
])

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

# モデルの訓練

# SavedModel形式で保存
tf.saved_model.save(model, 'saved_model')

# tf.train.Checkpoint形式で保存
checkpoint = tf.train.Checkpoint(model=model)
checkpoint.save('model.ckpt')

このように、tf.saved_model.save()メソッドでSavedModel形式、tf.train.CheckpointでCheckpoint形式で保存します。

まとめ

Kerasでは、save()メソッドを用いてモデルを保存することができます。TensorFlowでは、SavedModel形式やtf.train.Checkpoint形式で保存することができます。