モデル全体の保存（model.save()とtf.keras.models.load_model()）

TensorFlow（特に tf.keras）において、モデル全体の保存と復元は、トレーニング済みモデルを再利用したり、デプロイに活用する上で非常に重要な機能です。model.save() と tf.keras.models.load_model() を用いることで、アーキテクチャ、重み、学習状態（optimizerなど）を含むすべてを保存・復元できます。

---

1. モデル全体の保存：model.save()

概要

model.save() は、モデルの構造（アーキテクチャ）、重み、コンパイル情報、オプティマイザの状態を含む、完全なモデルを保存します。

使い方

python
model.save('my_model')

保存形式

• SavedModel形式（デフォルト）：ディレクトリとして保存され、TensorFlow Serving などでも使える。

• HDF5形式（.h5拡張子を指定）：Keras専用の形式。

例（SavedModel形式）

python
model.save('saved_model/my_model')  # ディレクトリ形式で保存される

例（HDF5形式）

python
model.save('my_model.h5')  # 1つのファイルに保存される

---

2. モデルの復元：tf.keras.models.load_model()

概要

tf.keras.models.load_model() を使うと、model.save() で保存したモデル全体を復元できます。復元後は、元のモデルと同様に predict(), evaluate(), fit() などのメソッドを使用可能です。

使い方

python
from tensorflow.keras.models import load_model

# SavedModel形式
model = load_model('saved_model/my_model')

# HDF5形式
model = load_model('my_model.h5')

---

3. 保存内容の詳細

---

4. 注意点

• カスタムレイヤーやカスタムオブジェクト（例：独自の損失関数、メトリクスなど）を使っている場合は、custom_objects 引数で明示的に指定が必要です。

• HDF5形式では一部の最新の機能（例：サブクラス化モデルなど）に制限があります。可能であれば SavedModel 形式の使用が推奨されます。

---

5. 実用例

モデルの保存と復元（完全な流れ）

python
import tensorflow as tf
from tensorflow.keras import layers

# モデル作成と学習
model = tf.keras.Sequential([
    layers.Dense(64, activation='relu', input_shape=(32,)),
    layers.Dense(10, activation='softmax')
])
model.compile(optimizer='adam', loss='categorical_crossentropy', metrics=['accuracy'])
# 仮の学習（例としてダミーデータを使う）
import numpy as np
x_train = np.random.random((1000, 32))
y_train = tf.keras.utils.to_categorical(np.random.randint(10, size=(1000, 1)), num_classes=10)
model.fit(x_train, y_train, epochs=5)

# 保存
model.save('saved_model/my_model')

# 復元
restored_model = tf.keras.models.load_model('saved_model/my_model')
restored_model.evaluate(x_train, y_train)

---

まとめ

必要に応じて、model.save_weights()（重みのみ）や tf.keras.models.model_from_json()（構造のみ）なども活用できますが、最も包括的な保存方法が model.save() です。