Theano参考情報⑤Theanoベースラッパーライブラリ「Keras」とは

Theano参考情報⑤Theanoベースラッパーライブラリ「Keras」とは

「Keras」の概要について紹介します。

■「Keras」概要

Keras(ケラス)とは、高水準ニューラルネットワークライブラリです。

Python実装で、「Theano」または「TensorFlow」上で動作します。

コンパクトなコーディングにより、迅速な実験を可能にすることを重点に設計されています。

CPUとGPUに対応しています。

■ラッパーライブラリ

Kerasは、バックエンドとして「Theano」と「Tensorflow」を選択して使用できるラッパーライブラリです。

もともとは、バックエンドテンソル計算ライブラリとして「Theano」のみを採用していたのですが、「TensorFlow」も選択できるようになりました。

「Theano」「Tensorflow」はKerasフロントから完全に隠蔽されています。そのため、プログラムの変更を必要とせずに、「Theano」と「Tensorflow」の切り替えを行えます。

■コンパクトなコーディング

Kerasでは、処理を直感的にコンパクトに記述できます。

入力層から出力層への処理の流れ通り(ネットワーク図に描かれる順番通り)に、必要なノード定義や活性化関数を定義して、ネットワークを構成できます。さまざまな深層学習アルゴリズム表現が可能です。

「Theanoによる実装」と比べて、「Kerasによる実装」は、大幅にシンプルに記述できます。冗長要素を排除できるため、「Theanoでは数十行必要な処理」を「Kerasでは数行」で記述できるパターンもあります。

■Python実装

モデルはPythonコードで記述します。別個の宣言形式モデル設定ファイルは必要ありません。

容易なデバッグと拡張が可能です。

■対応ニューラルネットワーク

以下の2つのニューラルネットワークをサポートしています。
・畳み込みニューラルネットワーク (CNN:Convolutional Neural Networks)
・再帰型ニューラルネットワーク(RNN:Recurrent Neural Network)」

これらの2つの組み合わせもサポートします。

■2種類のモデル

Kerasは、2種類の方法でディープラニング構造を記述できます。
・「Sequential」=層をシンプルに重ねていく構造に適しています
・「Functional」=複雑なモデル(複数出力、有向非巡回グラフなど)に適しています

■モデルのモジュール性

「ニューラルネットワーク層」「損失関数」「最適化」「初期化」「活性化関数」「正規化」などの各機能は、それぞれ完全に独立したモジュールになっています。モデル作成時に結合して利用できます。

■モデルの最小主義(ミニマリズム)

それぞれのモジュールは、短くシンプルに構成されています。ブラックボックス化されている部分はありません。

■拡張性

新しいモジュールを追加する場合には、クラス/関数として、簡単に追加できます。

既存モジュールには多くの実装例があるため、活用しやすくなっています。

参考元サイト

• Keras Documentation
• 人工知能に関する断創録　→深層学習ライブラリ Keras
• amacbee's blog　→Python製深層学習ライブラリ「Keras」の紹介 (with TensorFlow)
• VIZASQ TECKBLOG　→エンジニア勉強会でChainerとKerasの比較をしてみました
• Qiita　→Deep LearningライブラリKerasとKeras.jsの紹介
• クラスキャット　→Keras　→Keras: Theano と TensorFlow のための深層学習ライブラリ

※定期的にメンテナンスを実施しておりますが、一部情報が古い場合がございます。ご了承ください。