Kerasの導入方法

背景

---

仕事で、ディープラーニングのモデルを学習させ、結果をエッジに組み込む必要が出てきた。ここでは、モデルの学習環境構築の方法について記載する。

記事の目的

---

Kerasを導入する

Kerasの導入

---

ここでは、Kerasの導入方法と使用方法について記載する。

Kerasとは

KerasはPythonで書かれた、TensorFlowまたはCNTK，Theano上で実行可能な高水準のニューラルネットワークライブラリである。

利点

• pipで簡単に導入できる
• Tensorflowと比べて学習コストが小さい
• 学習モデルをTensorflowなどに移植可能

導入方法

Kerasの導入手順は、下記の通りである。(GPU対応版)

1. CUDAをインストールする(現時点では、CUDA10.0)
2. cuDNNをインストールする(要ユーザ登録)
3. Python 3.6をインストールする
4. tensorflow-gpuをインストールする

$ pip install tensorflow-gpu

5. Kerasをインストールする

$ pip install keras

GPU版のTensorflowが動作しているかは、下記で確認できる。

$ python
>>> from tensorflow.python.client import device_lib
>>> device_lib.list_local_devices()
...
[name: "/device:CPU:0"
device_type: "CPU"
memory_limit: XXXXXXXXX
locality {
}
incarnation: 10479716717325198190
, name: "/device:GPU:0"
device_type: "GPU"
memory_limit: XXXXXXXXXX
locality {
  bus_id: 1
  links {
  }
}
incarnation: 3656906984786649108
physical_device_desc: "device: 0, name: GeForce GTX XXX XGB, pci bus id: 0000:01:00.0, compute capability: X.X"
]

CPU版の場合、GPUに関する記述がない。

使用方法

Kerasの使用手順は、下記の通りである。

$ python
>>> import keras
Using TensorFlow backend.

まとめ

---

• Kerasの導入方法について調査、記載した

参考文献

---

• Python初心者 Anaconda Navigator / Jupyter notebookでKeras, Tensorflow 実装
• keras、tensorflowをCPU版からGPU版に変更する

変更履歴

---

1. 2019/09/14: 新規作成