Google Colaboratoryで学習したモデルをローカルに保存・モデルに重みをロード・実行する

#はじめに
前回の記事で、Google Colaboratoryを利用して、VGG16をFine Tuningして、４人の顔を分類するモデルを構築しました。そのモデルの重みを保存して、ローカルに落として実際に使うのに、色々手間取ったのでここにまとめます。
GPUを使ってVGG16をFine Tuningして、顔認識AIを作って見た

#使用したモデル
今回使用したモデルは、畳み込み13層とフル結合3層の計16層から成る畳み込みニューラルネットワークです。

#モデルの重みをColaboratoryに保存
Google ColaboratoryでGPUを借りて学習した結果をLocalに保存します。
resultsというディレクトリを作成し、そこに今回Fine-turningしたモデルの重みを保存します。

model.save_weights(filepath) :モデルの重みをHDF5形式のファイルに保存します

import os
#resultsディレクトリを作成
result_dir = 'results'
if not os.path.exists(result_dir):
    os.mkdir(result_dir)

# 重みを保存
vgg_model.save_weights(os.path.join(result_dir, 'Final.h5'))

# 作成したモデルを保存
# vgg_model.save('VGGtake1.h5')

#ローカルにモデルの重みをダウンロード

files.download(filepath) : localに（）で示したパスのデータをダウンロードできます。

# result_dirをローカルに保存
from google.colab import files
files.download( "/content/results/Final.h5" ) 

#ローカルで重みデータを読み込む
model.load_weights(filepath, by_name=False) : (save_weightsによって作られた) モデルの重みをHDF5形式のファイルから読み込みます。
デフォルトでは，アーキテクチャは不変であることが望まれます．
つまり、重みを保存したモデルと同じ構造のモデルを定義してから、読み込ませる必要があります。
（いくつかのレイヤーが共通した）異なるアーキテクチャに重みを読み込む場合，by_name=Trueを使うことで，同名のレイヤーにのみ読み込み可能です．

###重みを保存したモデルと同じ構造のモデルを定義
詳しくは前回の記事をみてください。

#ライブラリの読み込み
from keras.applications.vgg16 import VGG16
from keras.preprocessing.image import ImageDataGenerator
from keras.models import Sequential, Model
from keras.layers import Input, Activation, Dropout, Flatten, Dense
from keras.preprocessing.image import ImageDataGenerator
from keras import optimizers

#事前に設定するパラメータ
classes = ["広瀬すず","新垣結衣","石原さとみ","武井咲"]
nb_classes = len(classes)
img_width, img_height = 150, 150

# VGG16のロード。FC層は不要なので include_top=False
input_tensor = Input(shape=(img_width, img_height, 3))
vgg16 = VGG16(include_top=False, weights='imagenet', input_tensor=input_tensor)

# FC層の作成
top_model = Sequential()
top_model.add(Flatten(input_shape=vgg16.output_shape[1:]))
top_model.add(Dense(256, activation='relu'))
top_model.add(Dropout(0.5))
top_model.add(Dense(nb_classes, activation='softmax'))

# VGG16とFC層を結合してモデルを作成
vgg_model = Model(input=vgg16.input, output=top_model(vgg16.output))

###定義したモデルに重みを読み込ませる

from keras.models import load_model
vgg_model.load_weights('./results/Final.h5')

#ローカルでモデルを実行する
下記はテスト用コードです。
img_predict(filename) : 引数（filename）にテスト用の画像データのpathを入力
画像を表示し、また、広瀬すず、新垣結衣、石原さとみ、武井咲である可能性を表示する。

# テスト用のコード
from keras.preprocessing import image
import numpy as np
import matplotlib.pyplot as plt

# 画像を読み込んで予測する
def img_predict(filename):
    # 画像を読み込んで4次元テンソルへ変換
    img = image.load_img(filename, target_size=(img_height, img_width))
    x = image.img_to_array(img)
    x = np.expand_dims(x, axis=0)
    # 学習時にImageDataGeneratorのrescaleで正規化したので同じ処理が必要
    # これを忘れると結果がおかしくなるので注意
    x = x / 255.0   
    #表示
    plt.imshow(img)
    plt.show()
    # 指数表記を禁止にする
    np.set_printoptions(suppress=True)

    #画像の人物を予測    
    pred = vgg_model.predict(x)[0]
    #結果を表示する
    print("　　広瀬すず': 0, '新垣結衣': 1, '石原さとみ': 2, '武井咲': 3")
    print(pred*100)

テスト用の画像データ読み込み
test_sample_original　：テスト用の画像が入っているディレクトリ

import glob
#テスト用の画像が入っているディレクトリのpathを()に入れてください
test = glob.glob('./test_sample_original/*')

実行

#数字は各自入力
img_predict(test[0])

###実行結果

#最後に
Google colaboratoryでGPUを借りて学習させた重みデータをローカルに保存して使う方法でした。
あとは、colaboratoryで大きい容量のデータを学習させるとき、どうすれば一番早くて楽か知りたい。。。