深層学習フレームワークKerasはなぜ人気？入門者向けに簡単解説

深層学習を実装するフレームワークにはTensorFlow(テンサーフロー)、Keras(ケラス)、PyTorch(パイトーチ)などの様々なフレームワークがありますよね。本記事ではそのうちのひとつであるKerasについいて解説しましょう。KerasはGoogleのエンジニアであるFrançois Cholletにより主に開発されているOSS(オープンソースソフトウェア)です。

Kerasとは
Kerasの特徴
まとめ

Kerasとは

Kerasは深層学習を実装する際に利用されるフレームワークのひとつで、最初のリリースは2015年に行われ、現在に至るまで様々な開発が行われています。KerasはPythonで利用できるパッケージとして公開され、容易に利用できるインターフェースによって様々なユーザーによって利用されています。

ここで他のフレームワークと人気を比較してみましょう。（以下の表は2020年3月4日時点での数字です）

深層学習フレームワーク比較表

GitHubにおけるstar数とfork数を比較しました。starは一般的なSNSにおける「いいね」や「お気に入り」機能のようなもので、GitHubのユーザーが気に入ったソフトウェアを登録する際に利用します。forkはGitHub上のソースコードを自身のものとして元のソースコードから枝分かれさせて登録する機能で、この数が多いというのは開発に参加しているユーザーの数が多いと考えられます。

star数、fork数ともにTensorFlowが最も多く、それに次ぐ2位のstar数とfork数を誇るのがKerasです。Facebookの開発するPyTorchやPreferred Networksの開発するChainerなどと比較しても非常に高い人気があることがわかりますね。

Kerasの特徴

本節では他のフレームワークと比較した場合のKerasの特徴について解説しましょう。定量的な指標があるわけではなく、本節の内容は筆者個人のイメージや感想を含みます。

圧倒的にわかりやすいインターフェース
TensorFlow2.0にKerasが統合されたため、TensorFlowユーザーも利用しやすい
書籍やオンライン講座などでの採用率が高い

圧倒的にわかりやすいインターフェース

Kerasの特徴はなんといっても分かりやすいインターフェースを提供していることです。学習と予測部分は機械学習の最も有名なOSSであるScikit-Learn(サイキットラーン)のAPIに倣い、以下のコードでモデルの定義と学習を行えます。

from keras.models import Sequential
from keras.layers import Dense
model = Sequential()
model.add(Dense(units=64, activation='relu', input_dim=100))
model.add(Dense(units=10, activation='softmax'))

model.compile(loss='categorical_crossentropy', optimizer='sgd', metrics=['accuracy'])
model.fit(x_train, y_train, epochs=5, batch_size=32)

TensorFlow2.0にKerasが統合されたため、TensorFlowユーザーも利用しやすい

先日公開されたTensorFlow 2.0ではKerasがTensorFlowの内部に統合されました。TensorFlowユーザーにとって非常にありがたい話ですよね。これによってKerasはTensorFlowユーザーからも親しみのあるライブラリとなりました。素のTensorFlowで書くほどではない簡単なネットワークなどの学習はKerasを利用するというシーンが増えることが想定されます。