TensorFlow/KerasかPyTorchか？〜モデル構築、その前にーWebアプリ制作日記その13

ディープラーニングを実装する場合、
ゼロからコードを書くのは非効率なため、専用のフレームワークを用いるのが一般的だ。
(フレームワークの考察ブログは、こちら）
現在、主要なものは、次の４つといわれる。

• TensorFlow： 2015年・Google。この中では一番有名。2019年10月1日にTensorFlow 2.0が正式リリースされ、TensorFlowの中にKerasが統合され、Kerasが標準的な実装方法となった。
• PyTorch： 2016年・Facebook。新顔だが、人気急上昇中。
• Keras： 2015年・Google社員開発。使いやすくて簡単で初心者向け。
• Chainer： 2015年・日本のPreferred Networks。残念だが、2019年12月、新機能開発を終了し、PyTorchに移行することが発表された。

なので、現在は、

Google 製「TensorFlow/Keras」かFacebook 製「PyTorch」か

この２択といっていい。

実際、
巣籠悠輔著『詳解ディープラーニング』も、

画像処理ではなく時系列データ処理に特化。NLP学習者には必須の一冊！

サブタイトルが、
「TensorFlow/Keras・PyTorchによる時系列データ処理」
と、現在の２強のフレームワークをカバーする形になっている。

で、どちらを使うのか？

今回、キカガク長期コースでは
PyTorchを使って、と思っていたが、
講師から、
Kerasを、というアドバイスがあったので、
TensorFlowのKerasを使って、モデル構築することになった。

で、そのKeras。
モデル構築には２パターンあって(＊その話は、こちら)
今回は、
「Function API」
を使う。

Function = 関数(＊１) ってわかるけど、APIってなんやろ？(また、そこ？)

どうも細かいことが気になってしかたない。
(だからなかなか先に進まない。って昨日も同じこと言った！)

Kerasの公式ドキュメントの説明を読んでみる。

The Keras functional API is the way to go for defining complex models, such as multi-output models, directed acyclic graphs, or models with shared layers.
(Google 翻訳:Keras 関数型APIは，複数の出力があるモデルや有向非巡回グラフ，共有レイヤーを持ったモデルなどの複雑なモデルを定義するためのインターフェースです。)

With the functional API, it is easy to reuse trained models: you can treat any model as if it were a layer, by calling it on a tensor. Note that by calling a model you aren’t just reusing the architecture of the model, you are also reusing its weights.
(Google 翻訳: 関数型APIを使用すると、トレーニング済みのモデルを簡単に再利用できます。テンソルで呼び出すことにより、モデルをレイヤーのように扱うことができます。モデルを呼び出すことで、モデルのアーキテクチャを再利用するだけでなく、その重みも再利用することに注意してください。)

要約すると、