モデルに対する思い (意味づけ) は，「ニューラルネットワーク」である。
4層で構築したモデルは，「4層構造のニューラルネットワーク」である。
訓練が済んで，モデルはいまつぎのようになっている (Dropout 層は表示されない)：
<![CDATA[>>> model.summary()
Model: "sequential"
_________________________________________________________________
Layer (type) Output Shape Param #
=================================================================
flatten (Flatten) (None, 784) 0
_________________________________________________________________
dense (Dense) (None, 128) 100480
_________________________________________________________________
dense_1 (Dense) (None, 10) 1290
=================================================================
Total params: 101,770
Trainable params: 101,770
Non-trainable params: 0
_________________________________________________________________
>>> ]]>
このモデルを，拡張子「.h5」のファイル名で保存する：
<![CDATA[>>> model.save('./mnist.h5')]]>
ターミナルの別のシェルから，ファイルの存在を確認：
<![CDATA[(venv) $ ls -la mnist.h5
-rw-r--r-- 1 pi pi 1248728 Apr 19 13:19 mnist.h5]]>
python インタラクティブ・シェルでのここまでの作業を一旦休止したいときは，ここが切れ目である：
<![CDATA[>>> quit()
(venv) $ deactivate
$
]]>
作業の続きは，モデルの読み込みからの開始となる：
<![CDATA[$ source [venv のパス]/venv/bin/activate
(venv) $ python
>>> from tensorflow.python.keras.models import load_model
>>> model = load_model('./mnist.h5')]]>
model の保存までをプログラムにすると：
$ vi mnist.py
|
<![CDATA[#!/usr/bin/env python
from tensorflow import keras
# data
mnist = keras.datasets.mnist
(train_images, train_labels), (test_images, test_labels) = mnist.load_data()
class_names = ['T-shirt/top', 'Trouser', 'Pullover', 'Dress', \
'Coat', 'Sandal', 'Shirt', 'Sneaker', 'Bag', 'Ankle boot']
# image-preprocessing
train_images = train_images / 255.0
test_images = test_images / 255.0
# model setup
model = keras.Sequential([
keras.layers.Flatten(input_shape=(28, 28)),
keras.layers.Dense(128, activation='relu'),
keras.layers.Dense(10, activation='softmax')
])
model.compile(optimizer='adam',
loss='sparse_categorical_crossentropy',
metrics=['accuracy'])
# training
model.fit(train_images, train_labels, epochs=5)
# save
model.save('./mnist.h5')]]>
|
$ chmod +x mnist.py
$ ./mnist.py
|