【Python/keras】学習モデルの構造を可視化

Pythonと深層学習ライブラリ「Keras」で作成した学習モデルを可視化する方法についてまとめました。

【モデルの描画】model.summary()、plot_model
【その他】Modelクラスのプロパティ・メソッド

【モデルの描画】model.summary()、plot_model

Pythonと深層学習ライブラリ「Keras」で作成した学習モデルの構造を可視化します。

動画解説

本ページの内容は以下動画でも解説しています。

model.summary()

model.summary()は、モデル構造を標準出力します。

plot_model

plot_modelは、モデルの構造を画像で出力できるものです。
plot_modelの引数の設定は以下のとおり。

引数	機能
show_shapes	グラフ中に出力のshapeを出力するかどうか（デフォルト:False）
show_layer_names	グラフ中にレイヤー名を出力するかどうか（デフォルトはTrue）を制御します．
expand_nested	グラフ中にネストしたモデルをクラスタに展開するかどうか (デフォルトはFalse)
dpi	画像のdpi(デフォルトは96)

使用するにはgraphvizのソフトウェアとモジュールを別途インストールする必要が必要です。

Mac環境の場合

ターミナルで以下のコマンドを実行すれば一式インストールできます。

pip install pydot
pip install graphviz
brew install graphviz

Windows環境の場合

●コマンドプロンプで以下のコマンドを実行してモジュールをインストールします。

pip install pydot
pip install graphviz

● 公式ページ(https://graphviz.org/download/)からインストーラ(64bit環境なら「stable_windows_10_cmake_Release_x64_graphviz-install-2.49.0-win64.exe」)をダウンロードし実行してインストールします。

● インストールしたgraphvizのbinフォルダのパスを環境変数のPathに追加します。

C:\Program Files\Graphviz\bin

※上記パスはご自身のPCにインストールした状態に応じて適宜変更してください

【Python/keras】'`pydot` failed to call GraphViz.'エラーなどが出た場合

Pythonと深層学習ライブラリ「Keras」で'pydot failed to call GraphViz.'エラーなどが出た場合の解決方法についてまとめました。

サンプルコード

#### 実行結果

【Python/Keras】モデル構造の可視化

Pythonの機械学習モジュール「Keras」でモデルを可視化する方法をソースコード付きでまとめました。

【その他】Modelクラスのプロパティ・メソッド

Modelクラスのプロパティ・メソッドをいかにまとめました。

プロパティ	概要
model.name	modelの名前
model.inputs	入力のTensorクラスのリスト
model.outputs	出力のTensorクラスのリスト
model.layers	Layerクラスのリスト
model.trainable	modelがtrainableか(boolean)
model.input_shape	入力のshape
model.output_shape	出力のshape
model.weights	Variableクラスのリスト
model.trainable_weights	学習可能なVariableクラスのリスト
model.non_trainable_weights	学習不可能なVariableクラスのリスト

メソッド	概要
model.summary(line_length=None, positions=None, print_fn=None)	model構造をプリント表示
model.get_layer(name=None, index=None)	指定したLayerクラスを取得
model.get_weights()	全layerの重みのリストを取得
model.set_weights(weight)	get_weights()で取得した各layerの重みを設定
model.get_config()	モデルのコンフィグを辞書形式で取得
model.from_config(config, custom_objects=None)	get_config()で取得したコンフィグからモデルを生成
model.to_json()	モデルの構造をjson形式の文字列で取得
model.to_yaml()	モデルの構造をYAML形式の文字列で取得
model.save(filepath, overwrite=True, include_optimizer=True)	モデルの構造と重みと学習に関する設定や状態を全てHDF5形式でセーブ
model.save_weights(filepath, overwrite=True)	モデルの重みをHDF5形式でセーブ
model.load_weights(filepath, by_name=False)	save_weights()で保存した重みをモデルにロード
keras.models.load_model(filepath,custom_objects=None,compile=True)	save()で保存されたモデルの状態をロード
keras.models.model_from_json(json_str)	to_json()で取得したモデルの構造をロード
keras.models.model_from_yaml(yaml_str)	to_yaml()で取得したモデルの構造をロード