Tweet

Pocket

TensorFlowのリポジトリを見ていたたらTF-Slimなるものを見つけました。ちょっとさわってみたら何かと便利そうだったので、簡単に使い方をメモっておきます。

注意！：TensorFlow1.0でだいぶAPIが変わってしまったのでここのコードは使えないです
 

TensorFlow-Slim

https://github.com/tensorflow/tensorflow/tree/master/tensorflow/contrib/slim

TF-Slimとは、複雑なモデルを簡潔に記述するためのライブラリです。定形コードを削除することで、モデルをよりコンパクトに定義出来るようにしているそうです。
さらに、TF-Slimを使うとVGG,AlexNetなど既知のモデルを簡単に使用したり、学習済みモデルを使って転移学習を簡単に行えるらしい。

使ってみる

使い方

import tensorflow.contrib.slim as slim

「Deep MNIST for Experts」をTF-Slimで書く

チュートリアルに載っている多層ニューラルネットワークのサンプルコードをTF-Slimを使って書いてみます。

まずはTF-Slimを使わないコード

import tensorflow as tf
from tensorflow.examples.tutorials.mnist import input_data
mnist = input_data.read_data_sets('MNIST_data', one_hot=True)
sess = tf.InteractiveSession()

def weight_variable(shape):
	initial = tf.truncated_normal(shape, stddev=0.1)
	return tf.Variable(initial)

def bias_variable(shape):
	initial = tf.constant(0.1, shape=shape)
	return tf.Variable(initial)

def conv2d(x, W):
	return tf.nn.conv2d(x, W, strides=[1, 1, 1, 1], padding='SAME')

def max_pool_2x2(x):
	return tf.nn.max_pool(x, ksize=[1, 2, 2, 1], strides=[1, 2, 2, 1], padding='SAME')


x = tf.placeholder(tf.float32, shape=[None, 784])
y_ = tf.placeholder(tf.float32, shape=[None, 10])

x_image = tf.reshape(x, [-1, 28, 28, 1])

#First Convolutional Layer
W_conv1 = weight_variable([5, 5, 1, 32])
b_conv1 = bias_variable([32])
h_conv1 = tf.nn.relu(conv2d(x_image, W_conv1) + b_conv1)

h_pool1 = max_pool_2x2(h_conv1)

#Second Convolutional Layer
W_conv2 = weight_variable([5, 5, 32, 64])
b_conv2 = bias_variable([64])
h_conv2 = tf.nn.relu(conv2d(h_pool1, W_conv2) + b_conv2)

h_pool2 = max_pool_2x2(h_conv2)

#Densely Connected Layer
W_fc1 = weight_variable([7 * 7 * 64, 1024])
b_fc1 = bias_variable([1024])

h_pool2_flat = tf.reshape(h_pool2, [-1, 7*7*64])
h_fc1 = tf.nn.relu(tf.matmul(h_pool2_flat, W_fc1) + b_fc1)

#dropout
keep_prob = tf.placeholder(tf.float32)
h_fc1_drop = tf.nn.dropout(h_fc1, keep_prob)

#Readout Layer
W_fc2 = weight_variable([1024, 10])
b_fc2 = bias_variable([10])

y_conv = tf.matmul(h_fc1_drop, W_fc2) + b_fc2

#Train and Evaluate the Model
cross_entropy = tf.reduce_mean(tf.nn.softmax_cross_entropy_with_logits(y_conv, y_))
train_step = tf.train.AdamOptimizer(1e-4).minimize(cross_entropy)
correct_prediction = tf.equal(tf.argmax(y_conv,1), tf.argmax(y_,1))
accuracy = tf.reduce_mean(tf.cast(correct_prediction, tf.float32))
sess.run(tf.global_variables_initializer())
for i in xrange(20000):
	batch = mnist.train.next_batch(50)
	if i%100 == 0:
		train_accuracy = accuracy.eval(feed_dict={
			x:batch[0], y_:batch[1], keep_prob: 1.0})
		print("step %d, training accuracy %g"%(i, train_accuracy))
	train_step.run(feed_dict={x:batch[0], y_:batch[1], keep_prob: 0.5})

次にTF-Slimを使ったコード

ただ、slim.learning,slim.evaluationはよく分からなかったので使うのやめました-o-;

import tensorflow as tf
import tensorflow.contrib.slim as slim
from tensorflow.examples.tutorials.mnist import input_data
mnist = input_data.read_data_sets('MNIST_data', one_hot=True)
sess = tf.InteractiveSession()

x = tf.placeholder(tf.float32, shape=[None, 784])
y_ = tf.placeholder(tf.float32, shape=[None, 10])

x_image = tf.reshape(x, [-1, 28, 28, 1])

with slim.arg_scope([slim.conv2d, slim.fully_connected],
										activation_fn=tf.nn.relu,
										weights_initializer=tf.truncated_normal_initializer(stddev=0.1),
										biases_initializer=tf.constant_initializer(0.1)):
	with slim.arg_scope([slim.max_pool2d], padding='SAME'):
		#First Convolutional Layer
		h_conv1 = slim.conv2d(x_image, 32, [5, 5])
		
		h_pool1 = slim.max_pool2d(h_conv1, [2, 2])
		
		#Second Convolutional Layer
		h_conv2 = slim.conv2d(h_pool1, 64, [5, 5])
		
		h_pool2 = slim.max_pool2d(h_conv2, [2, 2])
		
		#Densely Connected Layer
		h_pool2_flat = slim.flatten(h_pool2)
		h_fc1 = slim.fully_connected(h_pool2_flat, 1024)
		
		#dropout
		keep_prob = tf.placeholder(tf.float32)
		h_fc1_drop = slim.dropout(h_fc1, keep_prob)
		
		#Readout Layer
		y_conv = slim.fully_connected(h_fc1_drop, 10, activation_fn=None)

#Train and Evaluate the Model
cross_entropy = slim.losses.softmax_cross_entropy(y_conv, y_)
train_step = tf.train.AdamOptimizer(1e-4).minimize(cross_entropy)
correct_prediction = tf.equal(tf.argmax(y_conv,1), tf.argmax(y_,1))
accuracy = tf.reduce_mean(tf.cast(correct_prediction, tf.float32))
sess.run(tf.global_variables_initializer())
for i in xrange(20000):
	batch = mnist.train.next_batch(50)
	if i%100 == 0:
		train_accuracy = accuracy.eval(feed_dict={
			x:batch[0], y_:batch[1], keep_prob: 1.0})
		print("step %d, training accuracy %g"%(i, train_accuracy))
	train_step.run(feed_dict={x:batch[0], y_:batch[1], keep_prob: 0.5})

どのが簡潔になったのか

ネットワーク構築部分が、割とスリムになっているかなと…。
ただ、今回は取り上げた例が良くなくて、もっと複雑なネットワークなら効果がわかりやすかったかも。

畳み込み層

・使わない場合

W_conv1 = weight_variable([5, 5, 1, 32])
b_conv1 = bias_variable([32])
h_conv1 = tf.nn.relu(conv2d(x_image, W_conv1) + b_conv1)

・使った場合

h_conv1 = slim.conv2d(x_image, 32, [5, 5])

Weight,Biasを用意してconv2dしてreluで活性化までを１行で書けます。

変数の初期値は？

TF-Slimを使わない場合は、変数定義を関数に切り出し、
weight : truncated_normal(stddev=0.1)
bias : constant(0.1)
で初期化していました。

def weight_variable(shape):
	initial = tf.truncated_normal(shape, stddev=0.1)
	return tf.Variable(initial)

def bias_variable(shape):
	initial = tf.constant(0.1, shape=shape)
	return tf.Variable(initial)

TF-Slimを使う場合は、

h_conv1 = slim.conv2d(x_image, 32, [5, 5], activation_fn=tf.nn.relu, 
　　　　　　　　　　　　weights_initializer=tf.truncated_normal_initializer(stddev=0.1), 
　　　　　　　　　　　　biases_initializer=tf.constant_initializer(0.1))

のように書けばいいのですが、毎回書くのは大変なのでslim.arg_scopeを使うことで、簡潔に書けます。

with slim.arg_scope([slim.conv2d], activation_fn=tf.nn.relu, 
                    weight_initializer=tf.truncated_normal_initializer(stddev=0.1),
                    biases_initializer=tf.constant_initializer(0.1): 
  h_conv1 = slim.conv2d(x_image, 32, [5, 5])

とすることで、スコープ内のslim.conv2dの引数に、arg_scopeで定義したものを使うことが出来ます。
また、arg_scopeは入れ子で使用できます。
 

全結合層

・使わない場合

W_fc1 = weight_variable([7 * 7 * 64, 1024])
b_fc1 = bias_variable([1024])

h_pool2_flat = tf.reshape(h_pool2, [-1, 7*7*64])
h_fc1 = tf.nn.relu(tf.matmul(h_pool2_flat, W_fc1) + b_fc1)

・使う場合

h_pool2_flat = tf.reshape(h_pool2, [-1, 7*7*64])
h_fc1 = slim.fully_connected(h_pool2_flat, 1024)

こちらも、weight,bias定義してmatmul,reluを１行で書けます。

こんなこともできるよ

繰り返し

・使わない場合

net = slim.conv2d(net, 256, [3, 3], scope='conv3_1')
net = slim.conv2d(net, 256, [3, 3], scope='conv3_2')
net = slim.conv2d(net, 256, [3, 3], scope='conv3_3')

・使う場合

net = slim.repeart(net, 3, slim.conv2d, 256, [3, 3], scope='conv3')

slim.repeartを使って、畳み込み層の繰り返しを１行で書けます。

パラメータを変えて繰り返し

・使わない場合

x = slim.fully_connected(x, 32, scope='fc/fc_1')
x = slim.fully_connected(x, 64, scope='fc/fc_2')
x = slim.fully_connected(x, 128, scope='fc/fc_3')

・使う場合

slim.stack(x, slim.fully_connected, [32, 64, 128], scope='fc')

slim.stackを使って、ユニット数を変えて全結合層を重ねる処理を１行で書けます。

 
その他にもコードを簡潔に書くためのモジュールが沢山ありそうですが、今回試してみたのはここまでです。

有名なニューラルネットワークを簡単に

githubにTensorflow/modelsリポジトリがあります。
https://github.com/tensorflow/models/tree/master/slim
この中に、TF-Slimを使って書かれた、
・Inception V1〜V4
・Inception-ResNet-V2
・ResNet 50,101,152
・VGG 16,19
があります。しかもILSVRC-2012-CLSを使って学習した、学習済みのCheckpointファイルも公開されているため、転移学習に使えそうですね。

あとがき

転移学習を試してみたくて、学習済みモデルを集めてたらTF-Slimを見つけました。
畳み込みニューラルネットワークの深層化なんかを試す場合など、同じコードを繰り返すことが多々あると思うので、簡潔にかけるようになると嬉しいですね。これから使っていこうと思います。