Successfully reported this slideshow.
We use your LinkedIn profile and activity data to personalize ads and to show you more relevant ads. You can change your ad preferences anytime.

Watsonをささえる ハイパフォーマンスクラウドで はじめるDeep Learning

604 views

Published on

イベント名:HWAUG & GPU-Accelerated VDI Community Meetup in 札幌
https://h-watson.connpass.com/event/44378/

テーマ:「IBM Watson技術紹介とGPUを利用した高性能仮想デスクトップの最新動向」
主催 : 北海道Watsonユーザー会(HWAUG) & Japan GPU-Accelerated VDI Community

Published in: Technology
  • Be the first to comment

Watsonをささえる ハイパフォーマンスクラウドで はじめるDeep Learning

  1. 1. Watsonをささえる ハイパフォーマンスクラウドで はじめるDeep Learning 2016年11⽉21⽇ ⽇本アイ・ビー・エム株式会社 クラウド事業本部 佐々⽊敦守 HWAUG & GPU-Accelerated VDI Community Meetup in 札幌
  2. 2. ⾃⼰紹介 • 2006年、⽇本IBM⼊社後、システム製品事業にて、HPCクラウド(IBM Computing on Demand)、プライベート・クラウド(IBM Cloud Showcase)の開発・運⽤に従事。2014年より、クラウド事業のテクニカ ル・セールスを担当。 • 最近は、地⽅創⽣を⽬的としたオープン・イノベーション推進プログラム 「イノベート・ハブ九州」にてテクニカル・アドバイザーも担当。 http://www.amazon.co.jp/dp/ B0168EZKOC http://www.amazon.co.jp/dp/B 01C6UWTSW http://www.redbooks.ibm.com/ redbooks/pdfs/sg248073.pdf 佐々⽊ 敦守 ⽇本アイ・ビー・エム株式会社 クラウド事業本部 クラウド・テクニカル・セールス アドバイザリー・アーキテクト http://hash.city.fukuoka.lg.jp/news/archives/140 2
  3. 3. 本⽇の内容 • クラウドAIファースト • 代表的なクラウドAIのサービス⼀覧 • クラウドAIの利⽤と分類 • IBMのクラウドAIの強み • Visual Recognition v3による画像認識 • ベアメタルGPUによる画像認識 • ベアメタルGPU活⽤事例 • OpenPowerの取り組み • まとめ 3
  4. 4. クラウドAIファースト IBM is now emerging as a solutions and company. (IBM は コグニティブ・ソリューションとクラウ ド・プラットフォーム の会社です。) We will move from mobile first to an AI first . (私たちはモバイルファーストからAI ファーストの世界へ移るつもりだ。) for every person and organization. (マイクロソフトは、AIをあらゆる⼈々 と組織に対して⺠主化する。) 4 Ginni Rometty Sundar Pichai Satya Nadella
  5. 5. Facebook、Amazon、Google、IBM、 MicrosoftがAIで歴史的な提携を発表 https://www.partnershiponai.org/ 5 2016年9⽉、⼈⼯知能の普及とベストプラクティスを共有する⾮営利団体「Partnership on AI」を設⽴。 AIの倫理や公平性、プライバシー、透明性などを共同で研究し、その成果を公表することを⽬的とする。 Microsoft IBM Facebook Google
  6. 6. 代表的なクラウドAIのサービス⼀覧 IBM Google Microsoft ⾔語 • AlchemyLanguage • Conversation • Document Conversion • Language Translator • Natural Language Classifier • Personality Insights • Retrieve and Rank • Tone Analyzer • Translate API • Natural Language API • Bing Spell Check • Language Understanding • Linguistic Analysis • Text Analytics • Translator • WebLM ⾳声 • Speech to Text • Text to Speech • Speech API • Bing Speech Custom Recognition Speaker Recognition 画像・動画 • Visual Recognition (AlchemyAPI) • Vision API • Computer Vision • Content Moderator • Emotion • Face • Video データ・インサイト • AlchemyData News • Discovery • Tradeoff Analytics • Academic • Entity Linking • Knowledge Exploration • Recommendations 6
  7. 7. クラウドAIの利⽤と分類 モデル開発 (IaaS) データ分析 (PaaS) サービス利⽤ (SaaS) ベアメタルGPUを 利⽤した⾃社モデル開発 l ⼿元のデータから独⾃のモデル を開発する l ディープラーニング・フレーム ワークを利⽤する クラウド・リソースを 利⽤したモデル開発 l すでに効果が⾒えているデータ 群から、リソースを利⽤して機 会学習モデルを設計する • IBM Watson Machine Learning • Google Cloud Machine Learning • Microsoft Azure Machine Learning 既存モデルを 利⽤したサービス利⽤ l トレーニング済みの機械学習 サービスを利⽤したモデル適⽤ を⾏う • Watson Visual Recognition API • Google Cloud Vision API • Microsoft Computer Vision API カスタマイズ性 俊敏性 ⼀般的にクラウド上での機械学習/ディープラーニングの形態は以下3つに分類できます。 7
  8. 8. IBMクラウドAIの強み Machine Learning Machine Learning (TensorFlowベース) Machine Learning Microsoft Cognitive Services ⾔語 ⾳声 画像 ⾔語 ⾳声 画像⾳声 画像 データ⾔語 Dedicated/Local Watson Machine Learning 9 Redshift dashDB Big Query SQL DW インターネット インターネット インターネット インターネット 各社機能は似通っており、クラウド提供であることから、クラウド・アーキテクチャーも 含めた点が差別化ポイントと考えられます。 ① ソフトバンク経由の⽇本語対応メニューがある ② 豊富な業界ベースのWatson Knowledge Studioがある ③ 豊富なIBMコグニティブコンサルタントが⽀援可能である ④ インターネット接続不要で顧客専有環境での提供が可能 ⑤ ベアメタルGPUやOpenPowerをIaaSとして使える ハイブリッド・クラウド
  9. 9. Visual Recognition v3 • Visual Recognitionによる事前分類やフィルタリングをすることで、業務における様々な確認や分 析作業を⾏う⼈間の負荷低減をする。 • 不適切な画像のフィルタリング • 画像選択での事前分類 • 商品や制作物の品質確認 • トレーニングデータ • 分類すべきクラスごとに集められた最低10毎の画像(適切な分類品質を得るには50枚以上) • どのクラスにも該当しないネガティブな最低10枚の画像 9 ディープラーニングのアルゴリズムを使⽤して画像分析し、画像に含まれるオブジェクト、顔、 テキストを分析します。
  10. 10. Visual Recognition v3 Node-RED starter NodeJS Cloudant NoSQL DB 画像URL⼊⼒ 顔認識結果 深層学習のアルゴリズムを使⽤した顔認識(Detect faces)APIにより⼊⼒画像を分析し、画像に 含まれる顔を認識します。画像に含まれる顔を検知し、性別と年齢を判別します。有名⼈について は⼈物の特定もします。 Visual Recognition 10
  11. 11. Visual Recognition v3 11
  12. 12. Visual Recognition v3 12https://watson-api-explorer.mybluemix.net/apis/visual-recognition-v3#/ $ curl -X GET "https://gateway-a.watsonplatform.net/visual- recognition/api/v3/detect_faces?api_key=6bb7bda55e32e063175c0e9feadf1e063cb13587&u rl=http://www.slate.com/content/dam/slate/uploads/2016/02/27/512501530-republican- presidential-candidate-donald-trump-speaks.jpg.CROP.promo-xlarge2.jpg&version=2016-05- 20”
  13. 13. Visual Recognition v3 [ { "age": { "min": 65, "score": 0.670626 }, "face_location": { "height": 645, "left": 573, "top": 153, "width": 456 }, "gender": { "gender": "MALE", "score": 0.993307 }, "identity": { "name": "Donald Trump", "score": 0.924142, "type_hierarchy": "/people/celebrities/donald trump" } } ] 顔認識(Detect faces)APIを使⽤することで、画像に含まれる顔を検知し、性別と年齢を判別 します。有名⼈については⼈物の特定もします。 13
  14. 14. Visual Recognition v3 利⽤⽬的に合わせて独⾃に分類した画像を学習データとて、カスタマイズされた分類器の作成 も可能です。 14
  15. 15. 企業でのクラウドAIサービス利⽤の課題 15 パフォーマンスに ばらつきがある ユーザー部⾨ 情報システム担当者 データ・サイエンティスト API呼び出し回数や 学習コストによっては ⾼くつく オンプレミスにある データ、システムと 連携させたい 社内のセキュリティ要 件やガイドラインが満 たせない 膨⼤なデータを取り扱 うときは時間がかかる SLA要件が満たせない ⾃社独⾃のモデルが 構築できない
  16. 16. IBMクラウドのコンピューティング選択肢 仮想サーバー “抽象化” “制御” ベアメタル Dedicated Compute High Memory Intensive Disk I/O Isolation Familiar Full Operating System Control コンテナー Portable Flexible Light-weight CF Apps Speed Manage code, not infrastructure OpenWhisk Stateless Event-Driven Short-lived …開発者のニーズに合わせる… 総合制御 柔軟性最⼤効率 DevOps 最少コスト 反応性16
  17. 17. 本格的にディープラーニングやるなら ベアメタルGPU!! 17 Infrastructure
  18. 18. 時間課⾦GPUベアメタルの構成例 18 項⽬ 仕様 CPU Dual Intel Xeon E5-2620 v4 (16 Cores, 2.10 GHz) RAM 128 GB RAM 1次グラフィック処理装置 NVIDIA Tesla K80 Graphic Card 2次グラフィック処理装置 NVIDIA Tesla K80 Graphic Card OS Ubuntu Linux 16.04 LTS Xenial Xerus (64 bit) ハードディスク SSD 800 GB × 2 (RAID1) アップリンクポート速度 1 Gbps Public & Private Network Uplinks 電源装置 Redundant Power Supply $3.927(約435円)/時間
  19. 19. 参考:NVIDIA Tesla K80の販売価格 19 利⽤⽬的に合わせて独⾃に分類した画像を学習データとて、カスタマイズされた分類器の作成 も可能です。
  20. 20. ATLAS Automatically Tuned Linear Algebra Software) Deep Learningのフレームワーク 20
  21. 21. TensorFlow on ベアメタルGPU インターネット クラウド データ 認識結果 21
  22. 22. TensorFlow on ベアメタルGPU 22 1. Bluemix Infrastructureのポータルより ベアメタルGPUのオーダー 2. Nvidia GPUドライバインストール (ベアメタルOS上) 3. Dockerインストール (ベアメタルOS上) 4. nvidia-dockerインストール (ベアメタルOS上) 5. Tensorflow + GPU の イメージ作成&実⾏ 構築Step 15分 10分 5分
  23. 23. Step 1. ベアメタルGPUのオーダー 23 SoftLayerのカスタマー・ポータル(https://control.softlayer.com)よりGUP対応の時間課⾦ベアメタ ル・サーバーをオーダーします。現在時間課⾦に対応しているベアメタルGPUはIntel Xeon E5- 2690v4 + Grid K2モデルとIntel Xeon E5-2620v4 + Tesla K80モデルの2種類です。 15〜30分程度で プロビジョニングが完了! システム構成情報がポータ ル上から確認できます。
  24. 24. Step 2. GPUドライバーのインストール 24 OSプロビジョニング後にシステム・アップデートを実施後、OSS標準ドライバ“nouveau”を無効化した 上で最新のNVIDIA GPUドライバーをインストールします。この環境では、最新ドライバーは、wget http://fr.download.nvidia.com/XFree86/Linux-x86_64/367.55/NVIDIA-Linux-x86_64- 367.55.runでダウンロードします。 ./NVIDIA-Linux-x86_64- 367.55.runでインストー ルします。 nvidia-smiコマンドで正 常にインストールされたか を確認できます。
  25. 25. Step 3. Dockerインストール 25 公式のインストール・マニュアル (https://docs.docker.com/engine/installation/linux/ubuntulinux/)にしたがいDockerをインス トールします。 # sudo apt-get install apt-transport-https ca-certificates # sudo apt-key adv --keyserver hkp://ha.pool.sks- keyservers.net:80 --recv-keys 58118E89F3A912897C070ADBF76221572C52609D # echo "deb https://apt.dockerproject.org/repo ubuntu- xenial main" | sudo tee /etc/apt/sources.list.d/docker.list deb https://apt.dockerproject.org/repo ubuntu-xenial main # sudo apt-get update # apt-cache policy docker-engine # sudo apt-get update # sudo apt-get install linux-image-extra-$(uname -r) linux-image-extra-virtual ここではUbuntu版を利⽤
  26. 26. Step 4. nvidia-dockerインストール 26 # sudo wget -P /tmp https://github.com/NVIDIA/nvidia- docker/releases/download/v1.0.0-rc.3/nvidia- docker_1.0.0.rc.3-1_amd64.deb sudo dpkg -i /tmp/nvidia- docker*.deb && rm /tmp/nvidia-docker*.deb # sudo nvidia-docker run --rm nvidia/cuda nvidia-smi 公式のQuickStart(http://qiita.com/ttomoaki/items/5a180f61647750eb8d70)にしたがい、 Nvidia-Dockerをインストールします。 ソースコードはGitHubに 公開されています。
  27. 27. Step 5. TensorFlow + GPU のイメージ 作成&実⾏ 27 “nvidia-docker run -it -p 8888:8888 gcr.io/tensorflow/tensorflow:latest-gpu”コマンドにより TensorFlow + GPUコンテナが起動します。マスターは、TensorFlowのGithub (https://github.com/tensorflow/tensorflow/tree/master/tensorflow/tools/docker)にも公開され ています。 Dockerを起動後、http://${HOST_IP}:8888/ にアクセスすればjupyterの画⾯が確認できます。 3_mnist_from_scratch.ipynb の notebookを起動して Cell -> Run All でサンプルが動くことを確認します。 jupyterのログでGPUを使って 計算されていることを確認しま す。
  28. 28. 事例1:Alpaca様 28 個⼈の投資アイデア(認識したい値動きの時系列デー タ)を投資アルゴリズムにする際に、Deep Learning によって⾦融時系列データの認識機を作成。 Dockerを徹底活⽤してベアメタルGPUサーバに ハイパフォーマンスなディープラーニング環境を構築。 Alpaca社のDeep Learningを活⽤したトレーディング・アルゴリズム・サービス(Capitalico)で、 ベアメタルGPUが採⽤されました。 Alpaca Head of Japan R&D 北⼭ 朝也 ⽒ 様々なGPUサービスを⽐較検討した結果、もっともコ スト・パフォーマンスの⾼かったBluemix Infrastructure (旧SoftLayer)のGPUを使って、サービスを開発、およ び本番運⽤しています。
  29. 29. 事例2:Bitfusion様 29 CPU-only Node 48 Cores 3 TB Memory 72 TB SSD Storage Logically attached GPUs BoostMassive Virtual Node GPU GPU GPU GPU GPU GPU GPU GPU GPU GPU GPU GPU GPU GPU GPU GPU GPU GPU GPU GPU GPU GPU GPU GPU GPU GPU GPU GPU GPU GPU GPU GPU GPU GPU GPU GPU GPU GPU GPU GPU GPU GPU GPU GPU GPU GPU GPU GPU GPU GPU GPU GPU GPU GPU GPU GPU GPU GPU GPU GPU GPU GPU GPU GPU Racks with GPUs GPU GPU GPU GPU GPU GPU GPU GPU GPU GPU GPU GPU GPU GPU GPU GPU GPU GPU GPU GPU • ベアメタルGPU+Bitfusion Boostにより、MapD(GPUを使ったSQLデータベー ス)の400億⾏のデータに対するʻselect carrier_name, count(*) from flights2 group by carrier_nameʼの処理をわずか271msで完了(1秒あたり147億レコード をスキャン。) 対象:1987-2008年の⽶国航空情報(1.28億⾏ x 312レプリカ) 環境:MapD on IBM Cloud BitFusion Boostで、異なる物理マシンの64基 搭載されたGPUを1台にあるかのように!!
  30. 30. l 1CPUあたり12コア l 1CPUあたり96スレッド l 1 TB RAM l 総I/Oバンド幅7.6Tb/s l GPUs and FPGAs coming… OpenPOWER 従来からの Intel x86サーバー http://www.softlayer.com/bare-metal-search?processorModel[]=9 HPCのためのオープンなハードウェア POWER8 Processo r Memory Buffers Memory Buffers PCI DMI PCI POWER8 Processor POWER8 Processor DMI DMI DMI DMI DMI DMI DMI NODE-to-NODE ON-NODE SMP Infrastructure 30
  31. 31. DockerCon Europe 2015デモ環境 合計: 10,011コンテナ/1ノード ubuntu (8028台), Node.js(991台), Wordpress (992台) • 広バンド幅、⾼速メモリ・インターフェース、他スレッド⾼速コア • Split-CoreモードによりインタラクティブなWebアプリケーションのサポートを改善 • 2倍のコンテナ密度によるコスト削減 • スループット40%UP、レイテンシー4倍 • OpenPowerエコシステムがハードウェア・プラットフォームの選択肢の幅を提供 OpenPOWERで⾼密度Dockerコンテナ 31
  32. 32. IBMとNVIDIAによる⼤規模 ディープラーニングソリューション 32 ディープラーニングソフトウェアツール群「IBM PowerAI」を投⼊し、NVLink搭載IBM POWERサーバを組み合わせたアプライアンスによるソリューションを提供します。 IBM Power System S822LC for High Performance Computing
  33. 33. まとめ lクイックに⾼品質なコグニティブ・ソリューションを開発する ならWatson APIなどクラウドAIサービスが便利です。 l⾃社独⾃モデルを⽤いて本格的にDeep Learningに取り組むの であればIBMクラウドのベアメタルGPU+各種Deep Learning フレームワークがおすすめです。 lIBMはハイブリッド・クラウドで全⽅位的にクラウドAIをサ ポートします。 33 さらなる詳細は Bluemix(SoftLayer) Advent Calendar 2016にて公開!! http://qiita.com/advent-calendar/2016/bluemix
  34. 34. 34 この資料の内容は社員個⼈の⾒解であり、必ずしも所属会社の⽴場、戦略、意⾒を代表するものではありません。 この資料は執筆時点の情報を元に書いているため、必ずしも最新情報であるとはかぎりません。 この資料の内容の正確性には責任を負いません。 また、IBM、IBMロゴおよびibm.comは、世界の多くの国で登録されたInternational Business Machines Corporationの商標です。他の製品名およびサービス名等は、それぞれIBMまたは各社の商標である場合がありま す。現時点でのIBMの商標リストについては、www.ibm.com/legal/copytrade.shtmlをご覧ください。 当資料に記載された製品名または会社名はそれぞれの各社の商標または登録商標です。
  35. 35. 付録 Bluemixで開発する顔認識アプリケーション ©Copyright IBM Corporation 2016 35
  36. 36. 顔認識アプリケーション • 顔認識アプリケーション(Facial Recognition Application) • 監視カメラのデジタル画像から、⼈を⾃動的に識別するためのコン ピュータ⽤アプリケーションである。 ライブ画像内の顔と思われる部 分を抜き出し、顔⾯画像データベースと⽐較することで識別を⾏う。 監視カメラシステム。顔認識機能 と⾃動⾞の型式、⾊、ナンバーな どを認識する機能がある 煙草の⾃動販売機に備えつけられた 顔認証システム 顔認識とは、任意の画像が、顔画像かどうかを、 コンピュータに判定させる問題 ©Copyright IBM Corporation 2016 36
  37. 37. Visual Recognitionによる顔認識 深層学習のアルゴリズムを使⽤して画像を分析し、画像に含まれるオブジェクト、顔、テキストを分析します。 顔認識(Detect faces)APIを使⽤することで、画像に含まれる顔を検知し、性別と年齢を判別します。有名⼈に ついては⼈物の特定もします。 [ { "classes": [ { "class": "person", "score": 0.947846, "type_hierarchy": "/people" } ], "classifier_id": "default", "name": "default" } ] [ { "age": { "max": 64, "min": 55, "score": 0.561065 }, "face_location": { "height": 378, "left": 489, "top": 146, "width": 334 }, "gender": { "gender": "MALE", "score": 0.993307 } } ]©Copyright IBM Corporation 2016 37
  38. 38. Node-REDによるプロトタイプ開発 「Node-RED」は、Node.js上で動作するオープンソースのソフトウェアです。機能をカプセ ル化したノードと呼ばれるモジュールが⽤意されており、ブラウザベースのUIからノード同⼠ を繋げて処理の流れを作成していきます。 ©Copyright IBM Corporation 2016 38
  39. 39. システム全体像 Node-RED starter NodeJS Cloudant NoSQL DB 画像URL⼊⼒ 顔認識結果 今回のハンズオンでは、Visual Recognitionではなく AlchemyAPIを使います(将来的に統合されます。) 深層学習のアルゴリズムを使⽤した顔認識(Detect faces)APIに より⼊⼒画像を分析し、画像に含まれる顔を認識します。画像に 含まれる顔を検知し、性別と年齢を判別します。有名⼈について は⼈物の特定もします。 AlchemyAPI ©Copyright IBM Corporation 2016 39
  40. 40. 全体の流れ • ステップ0:Bluemixアカウントの作成 • ステップ1:Node-REDボイラープレートのプロビジョニング • ステップ2:顔認識アプリケーションの開発 • ステップ3:顔認識アプリケーションの動作確認 ©Copyright IBM Corporation 2016 40
  41. 41. ステップ0 Bluemixアカウントの作成 ©Copyright IBM Corporation 2016 41
  42. 42. 0-1. アカウントの作成 ©Copyright IBM Corporation 2016 42 以下のURLより必要事項を⼊⼒するとBluemixのフリートライアルを開始できます。 https://developer.ibm.com/sso/bmregistration?lang=ja_JP
  43. 43. 0-2. アカウントの確認 ©Copyright IBM Corporation 2016 Hi xxx, Thank you for signing up for Bluemix! Your 30-day trial starts when you confirm your account by clicking the link that follows. During your trial, you'll have access to Bluemix to build apps, with 2GB of runtime and container memory, as well as up to 10 provisioned Bluemix services. And, you won't need to provide any form of payment for this trial. When you click to confirm your account, you accept the Bluemix Terms of Use. Confirm your account If you have any problems logging in, let us know at ibm.biz/bluemixsupport. 差出⼈: "The Bluemix Team" <no-reply@bluemix.net> ⽇時: 2016年8⽉29⽇ 13:35:32 JST 宛先: xxx@xxx.xxx 件名: Confirm your Bluemix account 返信先: "The Bluemix Team" <no-reply@bluemix.net> 通常10分程度でBluemixチームからメールが届きます。”Confirm your account” をクリックしてアカウントをアクティベーションします。 43
  44. 44. 0-3. 初回ログイン アカウントがアクティベーションされると、ログイン画⾯に遷移しますので、登録し たアカウント(メール・アドレス)を使いログインしてください。 ©Copyright IBM Corporation 2016 44
  45. 45. 0-4. 初期設定 初回ログイン時に”組織”と”スペース”を作成してください。組織は、名称は⾃由に変 更が可能ですが、Bluemix環境でユニークでなければなりません。スペースは”test” や”production”など必要に応じた作業スペースを複数作成し利⽤できます。 ©Copyright IBM Corporation 2016 45
  46. 46. ステップ1 Node-REDボイラープレートのプロビジョニング ©Copyright IBM Corporation 2016 46
  47. 47. 1-1. アプリケーションの作成を開始 前⾴の”準備ができました”をクリックすると、Bluemixのダッシュボードが開きま す。”アプリケーショの作成”ボタンをクリックしてください。 ©Copyright IBM Corporation 2016 47
  48. 48. 1-2. Node-RED Starterの選択 カタログからNode-RED Starterのボイラープレートを選択してください。 ©Copyright IBM Corporation 2016 48
  49. 49. 1-3. アプリ名の⼊⼒ アプリ名(他と重複しないように)を⼊⼒し、作成ボタンをクリックします。 ©Copyright IBM Corporation 2016 49
  50. 50. 1-4. Node-REDの起動 Node-REDが起動します。 ©Copyright IBM Corporation 2016 50
  51. 51. 1-5. AlchemyAPIのバインド 接続メニューを選択し、” AlchemyAPI”を新規に接続します。もともとのボイラー プレートには、Cloudant NoSQL DBが接続されています。 ©Copyright IBM Corporation 2016 51
  52. 52. 1-6. AlchemyAPIの選択 Watsonから”AlchemyAPI”を選択します。 ©Copyright IBM Corporation 2016 52
  53. 53. 1-7. AlchemyAPIの作成 AlchemyAPIを作成します。Node-REDアプリケーションが再始動します。 ©Copyright IBM Corporation 2016 53
  54. 54. 1-8. AlchemyAPIの接続確認 AlchemyAPIがバインドされていることを確認します。 ©Copyright IBM Corporation 2016 54
  55. 55. 1-9. Node-REDアプリの表⽰ DashboardからプロビジョニングしたNode-REDアプリケーションを選択し、開始 メニューよりアプリの表⽰をクリックします。 ©Copyright IBM Corporation 2016 55
  56. 56. 1-10. Node-REDの表⽰ Node-REDの初期ページが表⽰されます。”Go to your Node-RED flow editor”を、 クリックするとNode-REDのフロー・エディターが起動します。 ©Copyright IBM Corporation 2016 56
  57. 57. 1-11. フロー・エディターの表⽰ Node-REDのパレットが表⽰されます。ノードのドラッグ&ドロップでアプリケー ションを開発していきます。 ©Copyright IBM Corporation 2016 57
  58. 58. ステップ2 Node-REDによる顔認識アプリケーションの開発 ©Copyright IBM Corporation 2016 58
  59. 59. フロー全体像 Node-RED上で以下のフローを作成します。 ©Copyright IBM Corporation 2016 59
  60. 60. 2-1. サンプル・フローの準備 以下のURLをブラウザで開き[Raw]ボタンより内容を表⽰しコピーしてください。 https://gist.github.com/asasaki4github/a0055870ae07a9bee3959d1e1202453a ©Copyright IBM Corporation 2016 60
  61. 61. 2-2. サンプル・フローのインポート 右側のメニュー・ボタンより[Import]à[Clipboard]を選択します。 ©Copyright IBM Corporation 2016 61
  62. 62. 2-3. サンプル・フローのインポート コピーしたサンプル・フローを貼り付けて、[Import]ボタンをクリックすればイン ポート完了です。 ©Copyright IBM Corporation 2016 62
  63. 63. 2-4. 各ノード詳細の確認 (1/3) ©Copyright IBM Corporation 2016 63
  64. 64. 2-5. 各ノード詳細の確認 (2/3) ©Copyright IBM Corporation 2016 64
  65. 65. 2-6. 各ノード詳細の確認 (3/3) ©Copyright IBM Corporation 2016 65
  66. 66. 2-7. フローのデプロイ 右上の[Deploy]ボタンをクリックすれば、アプリケーションがデプロイされます。 ©Copyright IBM Corporation 2016 66
  67. 67. ステップ3 顔認識アプリケーションの動作確認 ©Copyright IBM Corporation 2016 67
  68. 68. 3-1. 顔認識アプリケーションの稼働確認 ⾃分のNode-REDのURL( http://<⾃分のNode-RED>.mybluemix.net/)パス に”faces”を追加したURLをブラウザで表⽰するとアプリケーションが表⽰されます。 例)http://ihkdemo.mybluemix.net/faces ©Copyright IBM Corporation 2016 68
  69. 69. 3-2. 顔認識アプリケーションの結果確認 前ページのイメージURLに”.jpg”や”.png”などの画像URLを⼊⼒し、分析ボタンをク リックすると顔認識の結果が表⽰されます。画像に含まれる顔が検知され、性別と年 齢を判別されていることを確認します。有名⼈については⼈物の名前も特定されます。 ©Copyright IBM Corporation 2016 69
  70. 70. Bluemixチュートリアル http://www.ibm.com/developerworks/jp/bluemix/tutorial.html ©Copyright IBM Corporation 2016 70
  71. 71. ©Copyright IBM Corporation 2016 71

×