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.

Chainer meetup20151014

81,982 views

Published on

2015年10月14日に行ったChainer Meetupの資料です。

Published in: Engineering
  • Be the first to comment

Chainer meetup20151014

  1. 1. LT@Chainer  Meetup 株式会社プリファードインフラストラクチャー   ⻄西⿃鳥⽻羽  ⼆二郎郎
  2. 2. ⾃自⼰己紹介 l  ⻄西⿃鳥⽻羽  ⼆二郎郎(にしとば  じろう) l  ID: jnishi l  所属: Preferred Infrastructure 製品事業部 -  エンジニア l  プリセールス l  製品導⼊入⽀支援 l  サポート l  研究開発 PFI Confidential 2
  3. 3. ⾳音声認識識:  Deep  Speech Once we have computed a prediction for P(ct|x), we compute the CTC loss [13] L(ˆy, y) to measure the error in prediction. During training, we can evaluate the gradient rˆyL(ˆy, y) with respect to the network outputs given the ground-truth character sequence y. From this point, computing the gradient with respect to all of the model parameters may be done via back-propagation through the rest of the network. We use Nesterov’s Accelerated gradient method for training [41].3 Figure 1: Structure of our RNN model and notation. 3 MLP with clipped ReLU Bidirectional RNN with clipped ReLU Softmax CTC 損失関数 Log filterbank
  4. 4. Chainerの使⽤用⽤用途:  ⾳音声認識識 l  ⽇日本語の⾳音声認識識の精度度を試すためにDeep Learning 系のアルゴリズムを幾つか実装して実験 l  Clipped ReLU: PR作成、取り込み済み #245 l  Connectionist Temporal Classification: PR作成 #280 l  (Nesterovの加速勾配: PR作成予定) 4PFI Confidential
  5. 5. Chainerの良良い所 l  RNNのサポートが強い -  Bidirectionalなもの(+GPU)をサポートしていたのはChainerの他 はBlocksだけ -  コンポーネントがシンプルでわかりやすい(Blocksは⾼高度度に抽 象化していてわかりにくかった) PFI Confidential 5
  6. 6. Chainerの改善点 l  前提: ⾳音声認識識の場合系列列要素が⼤大きいため⾼高速化及 び⼤大量量のメモリが必要 -  10ms毎に特徴ベクトルを⽣生成する → 数千〜~数万程度度の⻑⾧長さ l  欲しい機能 -  multi-nodeのサポート -  Hessian-Free -  シグナルにより中断されないシリアライゼーション cf. Blocks -  書き込みが終了了してからプログラム終了了 -  学習のepochが終了了してからプログラム終了了 PFI Confidential 6
  7. 7. Copyright  ©  2006-‐‑‒2015 Preferred  Infrastructure  All  Right  Reserved.

×