#マルチタスク学習とは
マルチタスク学習モデルとは、１つのネットワークで複数のタスクを解くモデルです。
今回は、1入力1出力のシングルタスク学習モデルから1入力2出力のマルチタスク学習モデルへ変更を行ったため、備忘録としてこの記事を残します。

#実行環境

Python 3.6.10
Keras 2.2.4
tensorflow 1.14.0

#変更前のモデル構造

#変更後のモデル構造

#コードの変更点
###Sequential vs Functional API

シングルタスク学習モデルでは基本的にSequentialを使うことが多いが、マルチタスク学習モデルではFunctional APIを使う。そのため、コードはかなり変更する必要がある。
詳しくは以下の公式ドキュメントチェック。

###Sequentialを使ったモデル(変更前)

model = Sequential()
model.add(Bidirectional(LSTM(n_hidden, return_sequences=False, batch_input_shape=(None,799,1))))
model.add(BatchNormalization())
model.add(Dense(3))
model.add(Activation("linear"))
model.compile(loss="mean_absolute_error", optimizer="Adam", metrics=["accuracy"])
history = model.fit(X_train, y_train, batch_size=256, epochs= 120, validation_split=0.05)

###Functional APIを使ったモデル(変更後)

input1 = Input(shape = (799, 1))
layer1 = Bidirectional(LSTM(n_hidden))(input1)
layer2 = BatchNormalization()(layer1)
layer3_1 = Dense(2)(layer2)
out1= Activation("linear", name = 'out1')(layer3_1)

layer3_2 =  Dense(1)(layer2)
out2= Activation("linear", name = 'out2')(layer3_2)

model = Model(inputs=input1, outputs=[out1, out2]) 
model.compile(optimizer='Adam',
              loss={'out1': 'mean_absolute_error', 'out2': 'mean_absolute_error'},
              loss_weights={'out1': 0.7, 'out2':0.2},
              metrics=['accuracy'])

history = model.fit(X_train, [y_train1, y_train2], batch_size=256, epochs= 5, validation_split=0.05)

###変更するにあたって

Functional APIを使うに当たって、新たにimportするものがいくつかあった(Input, Modelなど）
モデルの出力を２つにするにあたり、学習データの出力も2つ(y_train→[y_train1, y_train2])にする。
outputの名前をつけないと(コードのActivationのところ）、lossの定義のところでエラーが出るので注意。
ロスのウェイトについては、チューニングが必要。今後また記事を出すかも。
１行目のInput(shape = (799,1)) をinput1に代入後、shapeを確認すると(?, 799, 1)となる（次元が一つ増える)。これでかなりの時間格闘したので、今後これについても記事にするかも。