Tensorflowの学習データを使ったAPIを作る
tensorflowチュートリアルのMNISTの学習データを使って、手書き数字画像のデータを受け取り、数字を返すAPIを作る。 コードはここにある。
学習して結果を保存する
前回の学習結果のcheckpointファイルを出力する。 tf.train.Saver().saveでnameで対応するVariableの値が保存できる。 また、その際デフォルトでMetaGraphもexportされ、これをimportすればGraphも復元することができる。
import tensorflow as tf
from tensorflow.examples.tutorials.mnist import input_data
class Mnist:
def __init__(self):
g = tf.Graph()
with g.as_default():
W_conv1 = self._weight_variable([5, 5, 1, 32], "W_conv1")
b_conv1 = self._bias_variable([32], "b_conv1")
self._x = tf.placeholder(tf.float32, [None, 784])
x_image = tf.reshape(self._x, [-1,28,28,1])
h_conv1 = tf.nn.relu(self._conv2d(x_image, W_conv1) + b_conv1)
h_pool1 = self._max_pool_2x2(h_conv1)
W_conv2 = self._weight_variable([5, 5, 32, 64], "W_conv2")
b_conv2 = self._bias_variable([64], "b_conv2")
h_conv2 = tf.nn.relu(self._conv2d(h_pool1, W_conv2) + b_conv2)
h_pool2 = self._max_pool_2x2(h_conv2)
W_fc1 = self._weight_variable([7 * 7 * 64, 1024], "W_fc1")
b_fc1 = self._bias_variable([1024], "b_fc1")
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)
self._keep_prob = tf.placeholder(tf.float32)
h_fc1_drop = tf.nn.dropout(h_fc1, self._keep_prob)
W_fc2 = self._weight_variable([1024, 10], "W_fc2")
b_fc2 = self._bias_variable([10], "b_fc2")
y_conv = tf.nn.softmax(tf.matmul(h_fc1_drop, W_fc2) + b_fc2)
self._what_number = tf.argmax(y_conv, 1)
self._y_ = tf.placeholder(tf.float32, [None, 10])
cross_entropy = tf.reduce_mean(-tf.reduce_sum(self._y_ * tf.log(y_conv), reduction_indices=[1]))
self._train_step = tf.train.AdamOptimizer(1e-4).minimize(cross_entropy)
correct_prediction = tf.equal(tf.argmax(y_conv,1), tf.argmax(self._y_,1))
self._accuracy = tf.reduce_mean(tf.cast(correct_prediction, tf.float32))
self.sess = tf.Session()
init = tf.initialize_all_variables()
self.sess.run(init)
self._saver = tf.train.Saver()
def save(self, ckpt_file_name):
self._saver.save(self.sess, ckpt_file_name)
def restore(self, ckpt_file_name):
self._saver.restore(self.sess, ckpt_file_name)
def what_number(self, image_array):
return self.sess.run(self._what_number, feed_dict={self._x: image_array, self._keep_prob: 1.0})
def train(self, num):
if not hasattr(self, "_mnist"):
self._mnist = input_data.read_data_sets("MNIST_data/", one_hot=True)
for i in range(num):
batch = self._mnist.train.next_batch(50)
if i%100 == 0:
train_accuracy = self._accuracy.eval(session=self.sess, feed_dict={
self._x:batch[0], self._y_: batch[1], self._keep_prob: 1.0
})
print("step %d, training accuracy %g"%(i, train_accuracy))
self.sess.run(self._train_step, feed_dict={self._x: batch[0], self._y_: batch[1], self._keep_prob: 0.5})
print("test accuracy %g"%self._accuracy.eval(session=self.sess, feed_dict={
self._x: self._mnist.test.images, self._y_: self._mnist.test.labels, self._keep_prob: 1.0
}))
def close(self):
self.sess.close()
def _weight_variable(self, shape, name):
initial = tf.truncated_normal(shape, stddev=0.1)
return tf.Variable(initial, name=name)
def _bias_variable(self, shape, name):
initial = tf.constant(0.1, shape=shape)
return tf.Variable(initial, name=name)
def _conv2d(self, x, W):
return tf.nn.conv2d(x, W, strides=[1, 1, 1, 1], padding='SAME')
def _max_pool_2x2(self, x):
return tf.nn.max_pool(x, ksize=[1, 2, 2, 1],
strides=[1, 2, 2, 1], padding='SAME')
train() で学習し、save() でチェックポイントファイルを保存できる。
from mnist import Mnist
mnist = Mnist()
mnist.train(20000)
mnist.save("model.ckpt")
mnist.close()
print("done")
なので、例えばこんなDockerfileを書いて
FROM gcr.io/tensorflow/tensorflow
ADD training.py /
ADD mnist.py /
CMD python /training.py && /bin/bash
しばらく待つ。
$ docker build -t training .
$ docker run -itd training
$ docker logs -f <CONTAINER_ID>
$ docker cp <CONTAINER_ID>:/notebooks/model.ckpt .
学習データを使う
tf.train.Saver().restore() でチェックポイントファイルを読み、Variableの値を復元できる。
from flask import Flask, request, jsonify
import tensorflow as tf
from mnist import Mnist
app = Flask(__name__)
mnist = Mnist()
mnist.restore("/model.ckpt")
@app.route("/", methods=['POST'])
def what_number():
json = request.json
if(json is None or "image" not in json or len(json["image"]) != 784):
return jsonify(error="Need json includes image property which is 784(28 * 28) length, float([0, 1.0]) array")
else:
result = list(mnist.what_number([json["image"]]))
return jsonify(result=result[0])
if __name__ == "__main__":
app.run(port=3000, host='0.0.0.0')
これもDockerで動かすならこんな感じ。
FROM gcr.io/tensorflow/tensorflow
ADD requirements.txt /tmp
ADD model.ckpt /
ADD training/mnist.py /
ADD app.py /
RUN pip install -q -r /tmp/requirements.txt
EXPOSE 3000
CMD ["python", "/app.py"]
$ docker build -t tensor_api .
$ docker run -itd -p 3000:3000 tensor_app
$ docker logs -f <CONTAINER_ID>
これに以下のようにして28*28の画像のデータを渡すと、
{
"image": [ ..., 0.32941177, 0.72549021, 0.62352943, ...]
}
それが何の数字なのかが返ってくる。
{
"result": 7
}
(追記 2018-07-25)
この記事ではcheckpointをそのまま使っているが、モデルを公開する際はSaverをwrapしたSavedModelにするのが標準的だ。