重みの保存・読み込み（model.save_weights()）

TensorFlow（特に tf.keras）におけるモデルの重みの保存と読み込みは、モデルの訓練後の状態を保存し、後で再利用したい場合に非常に重要です。model.save_weights() を使用することで、モデルの構造（アーキテクチャ）とは独立して重みだけを保存・読み込みすることができます。

---

1. 基本構文

重みの保存

python
model.save_weights('path/to/weights')

重みの読み込み

python
model.load_weights('path/to/weights')

---

2. 保存形式の種類

save_weights() では、2種類の形式で重みを保存できます：

• TensorFlow形式（デフォルト）：拡張子 .index と .data-00000-of-00001 が生成される

  python
  model.save_weights('my_model_weights')  # TensorFlow形式の保存
  

• HDF5形式：拡張子 .h5 をつけることで自動的にHDF5形式になる

  python
  model.save_weights('my_model_weights.h5')  # HDF5形式の保存
  

---

3. 使用例

python
import tensorflow as tf
from tensorflow.keras.models import Sequential
from tensorflow.keras.layers import Dense

# モデルの定義
model = Sequential([
    Dense(10, activation='relu', input_shape=(5,)),
    Dense(1)
])

# モデルのコンパイルと訓練（例としてダミーデータ使用）
model.compile(optimizer='adam', loss='mse')
import numpy as np
x = np.random.rand(100, 5)
y = np.random.rand(100, 1)
model.fit(x, y, epochs=3)

# 重みの保存
model.save_weights('my_weights.h5')

# 新しいモデルを作成して重みを読み込む
new_model = Sequential([
    Dense(10, activation='relu', input_shape=(5,)),
    Dense(1)
])
new_model.load_weights('my_weights.h5')

---

4. 注意点

• モデル構造が同じである必要があります：
  load_weights() は、元のモデルと同一のアーキテクチャでなければ正常に動作しません。

• 保存前に訓練・compileが必要：
  保存するためには、モデルをコンパイルし、訓練するか、少なくとも build() しておく必要があります。

  python
  model.build(input_shape=(None, 5))  # 重みの初期化
  model.save_weights('weights_only')  # 訓練しなくても保存可能になる
  

---

5. 主な用途

• トレーニング結果の保存：学習済み重みだけを保存して、推論時にモデルへ読み込み

• 転移学習：別のデータセットに対して再学習する際、ベースモデルの重みを再利用

• 分散環境での保存：複数のトレーニングジョブ間で重みを共有

---

まとめ

モデルの構造を保存したくない場合や、構造を再定義したうえで再学習・再利用したい場合に非常に有用な方法です。重みの保存と復元を適切に行うことで、モデルの再現性や継続学習の効率が大きく向上します。