Functional APIや自作レイヤのすすめ in Keras

こんにちは、ぐぐりら(@guglilac)です。 Kerasのおすすめ記事的な。
初心者から中級者まで長く使える、入門者にオススメなKerasのおはなしです。

Kerasとは

Kerasはディープラーニングを行うフレームワークです。



難しいところはプログラマー側には見えないようになっており、非常に簡単にプログラミングができるのが長所。

またKerasでは、すでに完成されているレイヤーがいくつもあり、それらをブロックみたいに組み合わせてモデルを定義すれば、とってもラクにディープラーニングができてしまいます。

( おまけにドキュメントが日本語で結構わかりやすく書かれててうれしい。)

この簡単さゆえに、とりあえず流行っているからディープなラーニングをやってみたいなあという方でも障壁を感じることなくディープラーニングに触れることができるため、特に初心者に非常におすすめなKeras。

こんな認識だったので、複雑な構成のレイヤーを含むモデルを作りたい！という欲が出てきたら他のもっと玄人っぽいライブラリにお引越ししないといけないのかなあなんて思っていました。(tensorflowとかプロっぽいかっこいいやつ)

しかし、ある程度ならKerasも複雑なモデル構成や自分でカスタマイズしたレイヤーを実現することができるのです！すごい。

Functional APIと自作レイヤー

一番簡単なKerasの書き方として、Sequential()を用いる方法があります。
レイヤーを積み上げていくとモデルが完成するという、初めてKerasを見た人が「めっちゃ簡単じゃんなにこれ！！」と驚愕するあれです。

これでもいろんなモデルが作れるのですが、もう少し凝ったものが作りたい！というかたに向けてこんなものがKerasには用意されています。
主にこの二つ。

・Functional API　-> レイヤー間の関係をいじる

・自作レイヤー　-> レイヤーの中身をいじる

ざっくりとですが、この二つについて見ていきましょう。

Functional API

```python #Sequentialモデル model = Sequential() model.add(Dense(32, activation='relu', input_dim=100)) model.add(Dense(10, activation='softmax')) model.compile(optimizer='rmsprop', loss='categorical_crossentropy', metrics=['accuracy']) #Functinnal API inputs = Input(shape=(100,)) x = Dense(32, activation='relu')(inputs) predictions = Dense(10, activation='softmax')(x) model = Model(inputs=inputs, outputs=predictions) model.compile(optimizer='rmsprop', loss='categorical_crossentropy', metrics=['accuracy']) ```