井上 研一 前回の記事で、Minisforum B550にGTX1650のグラフィックボードを外付けして、CUDAやCuDNNをインストールするところまで作業を進めました。
ここからはTensorFlowを導入して、最終的な目的であるAutoKerasを動作させます。（普段はM1 Max 24コアのMacBook Pro 14インチで作業しているのですが、TensorFlowは問題なく動作するものの、どうもAutoKerasが導入できなくてWindows＋WSL2 Ubuntu環境を使うことにしたのでした。）
Python
WSL2上のPythonは、anyenv＋pyenvを使って導入しています。使っているのは、素のPython 3.10.5です。（Anacondaやminicondaではありません。）
anyenv＋pyenvを使ったPythonの環境構築は、こちらを参考に。
できあがったPython環境にJupyter Notebookをインストールしておきます。
pip install jupyter notebook
この後の操作ではJupyter Notebookを使うので、起動しておきます。
jupyter notebook
TensorFlow
次に、TensorFlowのインストールです。操作は、これだけ。
pip install tensorflow
Jupyter Notebookで下記のプログラムを実行します。
from tensorflow.python.client import device_lib
device_lib.list_local_devices()
きちんとGPU（GTX1650）を認識していることが分かります。
[name: "/device:CPU:0"
device_type: "CPU"
memory_limit: 268435456
locality {
}
incarnation: 7168474680457350950
xla_global_id: -1,
name: "/device:GPU:0"
device_type: "GPU"
memory_limit: 2210083636
locality {
bus_id: 1
links {
}
}
incarnation: 4388315488285514043
physical_device_desc: "device: 0, name: NVIDIA GeForce GTX 1650, pci bus id: 0000:01:00.0, compute capability: 7.5"
xla_global_id: 416903419]
AutoKerasのインストール
AutoKerasは、ディープラーニングモデルを自動で構築してくれるツールです。
下記のようなタスクに対応しています。
- Image Classification
- Image Regression
- Text Classification
- Text Regression
- Structured Data Classification
- Structured Data Regression
では、インストールです。先にkeras-tunerを導入し、その後で、autokerasを導入します。
pip install git+https://github.com/keras-team/keras-tuner.git
pip install autokeras
AutoKerasを使う
ここからは、Image Classification（画像分類）のサンプルどおりにやってみます。
まず、必要なライブラリをインポートします。
import numpy as np
import tensorflow as tf
from tensorflow.keras.datasets import mnist
import autokeras as ak
使用するデータセットをロードします。MNISTですね。
(x_train, y_train), (x_test, y_test) = mnist.load_data()
print(x_train.shape) # (60000, 28, 28)
print(y_train.shape) # (60000,)
print(y_train[:3]) # array([7, 2, 1], dtype=uint8)
AutoKerasのImageClassifierを使ってモデルのトレーニングを行い、続けてテストデータでの予測の実行と、評価を行います。
ImageClassifier()の引数にmax_trialsがありますが、ここに指定した数だけのモデル作成を行ってくれます。その中で最も良好な結果を残したモデルを使えば良いわけですね。
# Initialize the image classifier.
clf = ak.ImageClassifier(overwrite=True, max_trials=1)
# Feed the image classifier with training data.
clf.fit(x_train, y_train, epochs=10)
# Predict with the best model.
predicted_y = clf.predict(x_test)
print(predicted_y)
# Evaluate the best model with testing data.
print(clf.evaluate(x_test, y_test))
実行すると、下記のような出力が行われます。
Trial 1 Complete [00h 01m 46s]
val_loss: 0.04240993410348892
Best val_loss So Far: 0.04240993410348892
Total elapsed time: 00h 01m 46s
INFO:tensorflow:Oracle triggered exit
Epoch 1/10
1875/1875 [==============================] - 11s 6ms/step - loss: 0.1651 - accuracy: 0.9494
（省略）
Epoch 10/10
1875/1875 [==============================] - 10s 5ms/step - loss: 0.0307 - accuracy: 0.9897
WARNING:absl:Found untraced functions such as _jit_compiled_convolution_op, _jit_compiled_convolution_op while saving (showing 2 of 2). These functions will not be directly callable after loading.
INFO:tensorflow:Assets written to: ./image_classifier/best_model/assets
INFO:tensorflow:Assets written to: ./image_classifier/best_model/assets
313/313 [==============================] - 1s 2ms/step
313/313 [==============================] - 0s 2ms/step
[['7']
['2']
['1']
...
['4']
['5']
['6']]
313/313 [==============================] - 1s 4ms/step - loss: 0.0400 - accuracy: 0.9876
[0.04003762826323509, 0.9876000285148621]
テストデータを用いた評価では、0.9876という正解率（Accuracy）が出ています。
作成したモデルは、image_classifier/best_modelにpbファイルとして保存されているので、これを使って実際の分類処理を行うことができるわけです。
今回構築したAutoKerasの環境を使って、実際のお仕事のデータでモデルを作ってみようと思います。そこで分かったTipsがあったら、また書くことにします。