SlideShare a Scribd company logo
1 of 23
Download to read offline
Chainer Contribution Guide
株式会社 Preferred Networks
⼤野健太 oono@preferred.jp
2015/12/19
Chainer Meetup #1
@スマートニュース
⾃⼰紹介
• ⼤野健太(@delta2323_)
• 経歴:数理科学研究科・修⼠課程(共形幾何)
• → 2012.3 PFI → 2014.10 PFN
• 所属:研究班(理論解析・ライフサイエンス・Chainer開発メンバー)
• ブログ:http://delta2323.github.io
• 最近の活動
• NIPS2014勉強会・ICML2015勉強会主催
• ⽇経ビッグデータ短期連載・雑誌寄稿など
• NIPS2015読み会1⽉下旬に開催(予定)
2
Chainer Community
3
How to Contribute to Chainer
1. Forumに投稿する
2. Issueを登録する
3. Pull Request (PR)を送る
4. Chainerを⾃分のプロジェクトで利⽤する
4
• 参考資料:Chainer Contribution Guide
• http://docs.chainer.org/en/stable/contri
bution.html
1. Forumに投稿する
• 2つのGoogle Group:Chainer User Group / Chainer Japanese User Group (new!)
• Twitterも2つあります:@ChainerOfficial / @ChainerJP (new!)
• こんな議論を募集しています
• Chainerの使い⽅に関する質問
• この機能をChainerで実現するにはどうすれば良い?
• この関数の使い⽅がわからない
• 不具合・インストール失敗の報告
• 機能要望
• Chainerを⽤いたプロジェクト・論⽂・実装の告知
• 質問だけではなく、回答も⼤歓迎
5
インストール失敗報告の投稿に関して
• あると望ましい情報
• 環境設定(OS、GPU)
• Chainer、依存モジュールのバージョン
• 特にインストール関連のsetuptools, h5py, cython, pipなど
• インストールログ
• 基本的に最新バージョンChainerのみに対応しています
• Windowsは公式にはサポートしていません
6
2. Issueを登録する
• Issueの分類
• Bug / Enhancement / Feature / Test / Document / Example / Other
• FeatureはMajor, Minorリリースでmasterブランチに取り込まれます。
• それ以外は任意のリリースで取り込まれます。
• Issueに登録する前にforumに投稿・相談するのがおすすめです
• 例外:タイポなど修正⽅法がほぼ⾃明な変更
7
Feature issueに関して
• あると嬉しい情報
• 何をしたいか(最重要)
• なぜしたいか(必要ならば)
• どのように実現するか(アイデアがあるならば)
• 参考となる資料(論⽂など)
8
Bug issueに関して
• あると嬉しい情報
• Chainerと依存モジュールのバージョン
• 基本的に最新Chainerのバージョンのみに対応しています
• それ以前のバージョンでのバグの場合、アップデートをおすすめします。
• 状況を再現するコード
• できるだけ短く、問題を局所化できる⽅がベター
• エラーメッセージ
9
3. Pull Requestを作成する
• ワークフロー
• 環境構築
• 実装(coding guidelineに従いながら)
• ⼿元環境でのテスト → テストが通ったらPR作成
• レビュー → レビューが通ったらマージ
• 実装が⼤きかったり、インターフェースの変更を伴う場合には、事前にforumに相談することを
おすすめします
• WIP PRs:実装が完了していなくても、work-in-progress (WIP) PRを作成し、相談しながら
実装を進めることも可能です。
10
環境構築
• 推奨環境
• Python : pyenv + (optionally) anaconda
• Coding Style : flake8 + hacking
• Dependent modules : NumPy, Six, h5py
• Testing modules : Mock, Nose
• CUDA依存のモジュールを開発する場合
• CUDA : CUDA, filelock, g++ (optionally), cuDNN
• 概して新しいバージョンをインストールするのが望ましいです
11
例:Linkの実装
新しいLinkを実装する場合、典型的には以下のモジュールを作る必要があります
• Link(chainer/links/connection/linear.py: Linear class)
• Function(chainer/functions/connection/linear.py: LinearFunction class, linear)
• Test(tests/chainer_tests/link_tests/connection_tests/test_linear.py)
• (tests/chainer_tests/function_tests/connection_tests/test_linear.py)
• Document
• docstring (Linear class, LinearFunction class)
• Reference manualへの登録 (chainer/docs/source/reference/links.rst)
12
コードスタイルチェック & テスト
• コードスタイル:PEP8 +(⼀部の)OpenStack Style Guideline
• hackingで強化したflake8を利⽤
• すべての規約がflake8でチェックされるのではない点に注意
• テスト:Nose
• nosetestを利⽤
• テストの有効・無効はnosetestsの--attrオプションで切り替え可能です
13
テストに関する注意
• テストの⼀部は(1つもしくは複数)GPUやcuDNNに依存しているので、環境によっては全ての
テストを動かすことはできません
• CPUのみのテストを動かす:nosetest --attr ‘!gpu‘
• CPUのみ + 1GPUのテストを動かす:nosetest -A ‘gpu<2‘
• cuDNN利⽤のテストをスキップ:nosetest --attr ‘!cudnn‘
• ⼿元で実⾏可能なテストが全て通ってから、PRを作成するのが理想的です
• いくつかのテスト(gradient checkなど)は確率的に振る舞い、乱数によっては正しい動作
でも失敗します。テストが落ちた場合、何回か実⾏して確率的なものか本当のバグかを
チェックする必要があります
• Chainer内の全てのテストを実⾏するのには時間がかかります。ですので実装途中ではPR対
象に関連したテストのみを実⾏するのがおすすめです14
CI
• レポジトリ:Travis CI (Linux) + AppVeyor (Windows)
• テスト対象:PR + origin/master
• テスト範囲:coding guideline, CPUテスト
• AppVeyorは参考程度で、AppVeyorが通らなくてもマージすることもあります。
• PFN内部:Jenkins
• テスト対象:masterブランチ
• テスト範囲:全テストを様々な環境設定で定期的に⾛らせています。
• テストシナリオの詳細はchainer-testレポジトリで確認可能です。
15
CI
16
レビュー
• 忘れがちな項⽬
• Sixモジュールを利⽤していない (xrange -> six.moves.range)
• テストケースが⼗分でない
• Functionクラスのbackwardをテストしていない
• cupy.ndarrayのメソッドで、CuPyとNumPyの挙動が⼀致すること確認するテストをし
てない
• cupy.ndarrayのメソッドでdtypeに関するパラメトライズテストを⾏っていない
• ドキュメントを書いていない
• Reference manualに関数・メソッドを追記していない
• コアチームの1⼈以上(重要な変更は2⼈以上)がLGTMを出したらマージ
17
リリース
• Chainerの開発はGitHub Flowに従っています
• 開発はmasterブランチで⾏い、リリース(major, minor, revision)にはタグを打つ
• バージョン命名⽅法:X.Y.Z(.W)(現在 = 1.5.1)
• X : Major version. ⼤きな破壊的変更を伴うリリース(これまではなし)
• Y : Minor version. インターフェースの変更を伴うリリース(関数追加、API変更など)
• Z : Revision. インターフェース変更をともなわないリリース(Bug修正、速度向上など)
• W : Hotfix. 緊急の修正版を出す必要性がある場合のリリース(インストールできないなど)
18
4. Chainerを⾃分のプロジェクトで利⽤する
• NIPSのワークショップに投稿しました
• Chainerは引⽤できます!
• Chainerを利⽤したプロジェクトはExternal
Exampleとしてwikiに掲載しています
19
Seiya Tokui, Kenta Oono, Shohei Hido and Justin Clayton, Chainer: a
Next-Generation Open Source Framework for Deep Learning, in Neural
Information Processing Systems, Workshop on Machine Learning
Systems, 2015
FAQ
• issueで登録するのと、フォーラムに投稿するのどちらが良いでしょうか?
• 概して、質問・要望・告知などはforumでのディスカッションが適していると思われます。
Issueへの登録は(特に⼤きな変更を伴う場合)forumで議論し、登録する価値があると確信
を持ってからが望ましいです。
• 同様に、インストールに関する問題もforumにまずは投稿し、chainer側の問題なのか、環境
依存の問題なのかを切り分けるのが望ましいです。
• 開発参加したいのですが、どこからを始めるのが良いでしょうか?
• ドキュメントには未整備の部分が多数残っています。ドキュメントの修正はとっかかりとし
て始めやすいと思われます。
• また、ユニットテストの拡充もおすすめです。他コンポーネントと⽐較的独⽴しているけれ
ど、実装するのに中のコードを読む必要があるので、コード理解も含めてファーストステッ
プとして良いと思います。 20
FAQ
• PRはどの部分に⾏うのが嬉しいですか?
• ドキュメントのバグ・タイポ
• Link / Chain / Functionの拡充
• CuPyのndarrayのメソッドの拡充
• ユニットテストの拡充
• Windowsのテスト環境
21
まとめ
• Chainerへのコントリビューション⽅法は様々
な形態があります。
• それぞれのコントリビューション⽅法を簡単に
紹介しました
• 公式HP:http://chainer.org
• レポジトリ: https://github.com/pfnet/chainer
• Twitter:@ChainerOfficial
• Google Group:Chainer User Group / Chainer
Japanese User Group
• Contribution Guide:
http://docs.chainer.org/en/stable/contribution.html
Your Contribution is Welcome!!
22
We are hiring as
fulltime/part time/internship
Copyright © 2014-
Preferred Networks All Right Reserved.

More Related Content

What's hot

Pythonを取り巻く開発環境 #pyconjp
Pythonを取り巻く開発環境 #pyconjpPythonを取り巻く開発環境 #pyconjp
Pythonを取り巻く開発環境 #pyconjp
Yoshifumi Yamaguchi
 
Fluentdでログを集めてGlusterFSに保存してMapReduceで集計
Fluentdでログを集めてGlusterFSに保存してMapReduceで集計Fluentdでログを集めてGlusterFSに保存してMapReduceで集計
Fluentdでログを集めてGlusterFSに保存してMapReduceで集計
maebashi
 
クラウドオーケストレーション「OpenStack Heat」に迫る!
クラウドオーケストレーション「OpenStack Heat」に迫る!クラウドオーケストレーション「OpenStack Heat」に迫る!
クラウドオーケストレーション「OpenStack Heat」に迫る!
Etsuji Nakai
 

What's hot (20)

Pythonを取り巻く開発環境 #pyconjp
Pythonを取り巻く開発環境 #pyconjpPythonを取り巻く開発環境 #pyconjp
Pythonを取り巻く開発環境 #pyconjp
 
PythonとRによるデータ分析環境の構築と機械学習によるデータ認識 第3版
PythonとRによるデータ分析環境の構築と機械学習によるデータ認識 第3版PythonとRによるデータ分析環境の構築と機械学習によるデータ認識 第3版
PythonとRによるデータ分析環境の構築と機械学習によるデータ認識 第3版
 
Kubernetes meetup-tokyo-13-customizing-kubernetes-for-ml-cluster
Kubernetes meetup-tokyo-13-customizing-kubernetes-for-ml-clusterKubernetes meetup-tokyo-13-customizing-kubernetes-for-ml-cluster
Kubernetes meetup-tokyo-13-customizing-kubernetes-for-ml-cluster
 
Pythonはどうやってlen関数で長さを手にいれているの?
Pythonはどうやってlen関数で長さを手にいれているの?Pythonはどうやってlen関数で長さを手にいれているの?
Pythonはどうやってlen関数で長さを手にいれているの?
 
ソフトウェアエンジニアのための「機械学習理論」入門・ハンズオン演習ガイド
 ソフトウェアエンジニアのための「機械学習理論」入門・ハンズオン演習ガイド ソフトウェアエンジニアのための「機械学習理論」入門・ハンズオン演習ガイド
ソフトウェアエンジニアのための「機械学習理論」入門・ハンズオン演習ガイド
 
scikit-learnを用いた機械学習チュートリアル
scikit-learnを用いた機械学習チュートリアルscikit-learnを用いた機械学習チュートリアル
scikit-learnを用いた機械学習チュートリアル
 
Fluentdでログを集めてGlusterFSに保存してMapReduceで集計
Fluentdでログを集めてGlusterFSに保存してMapReduceで集計Fluentdでログを集めてGlusterFSに保存してMapReduceで集計
Fluentdでログを集めてGlusterFSに保存してMapReduceで集計
 
Kerasで深層学習を実践する
Kerasで深層学習を実践するKerasで深層学習を実践する
Kerasで深層学習を実践する
 
High performance python computing for data science
High performance python computing for data scienceHigh performance python computing for data science
High performance python computing for data science
 
クラウドオーケストレーション「OpenStack Heat」に迫る!
クラウドオーケストレーション「OpenStack Heat」に迫る!クラウドオーケストレーション「OpenStack Heat」に迫る!
クラウドオーケストレーション「OpenStack Heat」に迫る!
 
PythonによるWebスクレイピング入門
PythonによるWebスクレイピング入門PythonによるWebスクレイピング入門
PythonによるWebスクレイピング入門
 
Chainer on Azure 2 年の歴史
Chainer on Azure 2 年の歴史Chainer on Azure 2 年の歴史
Chainer on Azure 2 年の歴史
 
ディープラーニング最近の発展とビジネス応用への課題
ディープラーニング最近の発展とビジネス応用への課題ディープラーニング最近の発展とビジネス応用への課題
ディープラーニング最近の発展とビジネス応用への課題
 
[第2版]Python機械学習プログラミング 第9章
[第2版]Python機械学習プログラミング 第9章[第2版]Python機械学習プログラミング 第9章
[第2版]Python機械学習プログラミング 第9章
 
OCaml でデータ分析
OCaml でデータ分析OCaml でデータ分析
OCaml でデータ分析
 
Windows で動かす TensorFlow
Windows で動かす TensorFlowWindows で動かす TensorFlow
Windows で動かす TensorFlow
 
[GTCJ2018] Optimizing Deep Learning with Chainer PFN得居誠也
[GTCJ2018] Optimizing Deep Learning with Chainer PFN得居誠也[GTCJ2018] Optimizing Deep Learning with Chainer PFN得居誠也
[GTCJ2018] Optimizing Deep Learning with Chainer PFN得居誠也
 
各OSにおいて、OpenCVをpythonから使う方法
各OSにおいて、OpenCVをpythonから使う方法各OSにおいて、OpenCVをpythonから使う方法
各OSにおいて、OpenCVをpythonから使う方法
 
backbone としての timm 入門
backbone としての timm 入門backbone としての timm 入門
backbone としての timm 入門
 
Python × Herokuで作る 雑談slack bot
Python × Herokuで作る 雑談slack botPython × Herokuで作る 雑談slack bot
Python × Herokuで作る 雑談slack bot
 

Viewers also liked

Viewers also liked (20)

ボケるRNNを学習したい (Chainer meetup 01)
ボケるRNNを学習したい (Chainer meetup 01)ボケるRNNを学習したい (Chainer meetup 01)
ボケるRNNを学習したい (Chainer meetup 01)
 
ディープラーニングにおける学習の高速化の重要性とその手法
ディープラーニングにおける学習の高速化の重要性とその手法ディープラーニングにおける学習の高速化の重要性とその手法
ディープラーニングにおける学習の高速化の重要性とその手法
 
Lighting talk chainer hands on
Lighting talk chainer hands onLighting talk chainer hands on
Lighting talk chainer hands on
 
Chainer meetup lt
Chainer meetup ltChainer meetup lt
Chainer meetup lt
 
CuPy解説
CuPy解説CuPy解説
CuPy解説
 
Chainer Development Plan 2015/12
Chainer Development Plan 2015/12Chainer Development Plan 2015/12
Chainer Development Plan 2015/12
 
深層学習ライブラリのプログラミングモデル
深層学習ライブラリのプログラミングモデル深層学習ライブラリのプログラミングモデル
深層学習ライブラリのプログラミングモデル
 
Capitalicoでのchainer 1.1 → 1.5 バージョンアップ事例
Capitalicoでのchainer 1.1 → 1.5 バージョンアップ事例Capitalicoでのchainer 1.1 → 1.5 バージョンアップ事例
Capitalicoでのchainer 1.1 → 1.5 バージョンアップ事例
 
Chainer入門と最近の機能
Chainer入門と最近の機能Chainer入門と最近の機能
Chainer入門と最近の機能
 
Introduction to DEEPstation the GUI Deep learning environment for chainer
Introduction to DEEPstation the GUI Deep learning environment for chainerIntroduction to DEEPstation the GUI Deep learning environment for chainer
Introduction to DEEPstation the GUI Deep learning environment for chainer
 
Deep parking
Deep parkingDeep parking
Deep parking
 
Chainer meetup20151014
Chainer meetup20151014Chainer meetup20151014
Chainer meetup20151014
 
A Chainer MeetUp Talk
A Chainer MeetUp TalkA Chainer MeetUp Talk
A Chainer MeetUp Talk
 
Towards Chainer v1.5
Towards Chainer v1.5Towards Chainer v1.5
Towards Chainer v1.5
 
Chainer Meetup LT (Alpaca)
Chainer Meetup LT (Alpaca)Chainer Meetup LT (Alpaca)
Chainer Meetup LT (Alpaca)
 
LT@Chainer Meetup
LT@Chainer MeetupLT@Chainer Meetup
LT@Chainer Meetup
 
Chainer meetup
Chainer meetupChainer meetup
Chainer meetup
 
Chainerを使って細胞を数えてみた
Chainerを使って細胞を数えてみたChainerを使って細胞を数えてみた
Chainerを使って細胞を数えてみた
 
Chainer Update v1.8.0 -> v1.10.0+
Chainer Update v1.8.0 -> v1.10.0+Chainer Update v1.8.0 -> v1.10.0+
Chainer Update v1.8.0 -> v1.10.0+
 
On the benchmark of Chainer
On the benchmark of ChainerOn the benchmark of Chainer
On the benchmark of Chainer
 

Similar to Chainer Contribution Guide

20131212 Okinawa OpenDays OpenStack
20131212 Okinawa OpenDays OpenStack20131212 Okinawa OpenDays OpenStack
20131212 Okinawa OpenDays OpenStack
Akihiro Motoki
 

Similar to Chainer Contribution Guide (20)

Chainerを使ってプロダクション環境上で推論するには
Chainerを使ってプロダクション環境上で推論するにはChainerを使ってプロダクション環境上で推論するには
Chainerを使ってプロダクション環境上で推論するには
 
「NVIDIA プロファイラを用いたPyTorch学習最適化手法のご紹介(修正版)」
「NVIDIA プロファイラを用いたPyTorch学習最適化手法のご紹介(修正版)」「NVIDIA プロファイラを用いたPyTorch学習最適化手法のご紹介(修正版)」
「NVIDIA プロファイラを用いたPyTorch学習最適化手法のご紹介(修正版)」
 
Development and Experiment of Deep Learning with Caffe and maf
Development and Experiment of Deep Learning with Caffe and mafDevelopment and Experiment of Deep Learning with Caffe and maf
Development and Experiment of Deep Learning with Caffe and maf
 
Report of OpenStack Ops Meetup Palo Alto (in Japanese)
Report of OpenStack Ops Meetup Palo Alto (in Japanese)Report of OpenStack Ops Meetup Palo Alto (in Japanese)
Report of OpenStack Ops Meetup Palo Alto (in Japanese)
 
Introduction to Chainer (LL Ring Recursive)
Introduction to Chainer (LL Ring Recursive)Introduction to Chainer (LL Ring Recursive)
Introduction to Chainer (LL Ring Recursive)
 
Slurmのジョブスケジューリングと実装
Slurmのジョブスケジューリングと実装Slurmのジョブスケジューリングと実装
Slurmのジョブスケジューリングと実装
 
ROBOMECH2021 RTMオンライン講習会 第1部
ROBOMECH2021 RTMオンライン講習会 第1部ROBOMECH2021 RTMオンライン講習会 第1部
ROBOMECH2021 RTMオンライン講習会 第1部
 
How to run P4 BMv2
How to run P4 BMv2How to run P4 BMv2
How to run P4 BMv2
 
「NVIDIA プロファイラを用いたPyTorch学習最適化手法のご紹介(修正前 typoあり)」
「NVIDIA プロファイラを用いたPyTorch学習最適化手法のご紹介(修正前 typoあり)」「NVIDIA プロファイラを用いたPyTorch学習最適化手法のご紹介(修正前 typoあり)」
「NVIDIA プロファイラを用いたPyTorch学習最適化手法のご紹介(修正前 typoあり)」
 
入門 Kubeflow ~Kubernetesで機械学習をはじめるために~ (NTT Tech Conference #4 講演資料)
入門 Kubeflow ~Kubernetesで機械学習をはじめるために~ (NTT Tech Conference #4 講演資料)入門 Kubeflow ~Kubernetesで機械学習をはじめるために~ (NTT Tech Conference #4 講演資料)
入門 Kubeflow ~Kubernetesで機械学習をはじめるために~ (NTT Tech Conference #4 講演資料)
 
PTLのお仕事とリリースパイプラインの裏側
PTLのお仕事とリリースパイプラインの裏側PTLのお仕事とリリースパイプラインの裏側
PTLのお仕事とリリースパイプラインの裏側
 
WebRTC開発者向けプラットフォーム SkyWayの裏側
WebRTC開発者向けプラットフォーム SkyWayの裏側WebRTC開発者向けプラットフォーム SkyWayの裏側
WebRTC開発者向けプラットフォーム SkyWayの裏側
 
OpenStack Ops Mid-cycle Meetup 参加報告
OpenStack Ops Mid-cycle Meetup 参加報告OpenStack Ops Mid-cycle Meetup 参加報告
OpenStack Ops Mid-cycle Meetup 参加報告
 
Overview of UDP Usage Guidelines [ISOC-JP event, 2016/6/22]
Overview of UDP Usage Guidelines [ISOC-JP event, 2016/6/22]Overview of UDP Usage Guidelines [ISOC-JP event, 2016/6/22]
Overview of UDP Usage Guidelines [ISOC-JP event, 2016/6/22]
 
【Interop Tokyo 2016】 東京大学におけるジュニパーネットワークス機器の導入
【Interop Tokyo 2016】 東京大学におけるジュニパーネットワークス機器の導入【Interop Tokyo 2016】 東京大学におけるジュニパーネットワークス機器の導入
【Interop Tokyo 2016】 東京大学におけるジュニパーネットワークス機器の導入
 
チケット管理システム大決戦第二弾
チケット管理システム大決戦第二弾チケット管理システム大決戦第二弾
チケット管理システム大決戦第二弾
 
OSSコミッタの生活とその必要性
OSSコミッタの生活とその必要性OSSコミッタの生活とその必要性
OSSコミッタの生活とその必要性
 
OpenStack Summit Austin 2016 参加報告 - OpenStack最新情報セミナー 2016年5月
OpenStack Summit Austin 2016 参加報告 - OpenStack最新情報セミナー 2016年5月OpenStack Summit Austin 2016 参加報告 - OpenStack最新情報セミナー 2016年5月
OpenStack Summit Austin 2016 参加報告 - OpenStack最新情報セミナー 2016年5月
 
20131212 Okinawa OpenDays OpenStack
20131212 Okinawa OpenDays OpenStack20131212 Okinawa OpenDays OpenStack
20131212 Okinawa OpenDays OpenStack
 
OpenStack Vancouver Summit Report presented at nttgroup meeting in Japanese
OpenStack Vancouver Summit Report presented at nttgroup meeting in JapaneseOpenStack Vancouver Summit Report presented at nttgroup meeting in Japanese
OpenStack Vancouver Summit Report presented at nttgroup meeting in Japanese
 

More from Kenta Oono

提供AMIについて
提供AMIについて提供AMIについて
提供AMIについて
Kenta Oono
 
Caffeインストール
CaffeインストールCaffeインストール
Caffeインストール
Kenta Oono
 

More from Kenta Oono (20)

Minimax statistical learning with Wasserstein distances (NeurIPS2018 Reading ...
Minimax statistical learning with Wasserstein distances (NeurIPS2018 Reading ...Minimax statistical learning with Wasserstein distances (NeurIPS2018 Reading ...
Minimax statistical learning with Wasserstein distances (NeurIPS2018 Reading ...
 
Deep learning for molecules, introduction to chainer chemistry
Deep learning for molecules, introduction to chainer chemistryDeep learning for molecules, introduction to chainer chemistry
Deep learning for molecules, introduction to chainer chemistry
 
Overview of Machine Learning for Molecules and Materials Workshop @ NIPS2017
Overview of Machine Learning for Molecules and Materials Workshop @ NIPS2017Overview of Machine Learning for Molecules and Materials Workshop @ NIPS2017
Overview of Machine Learning for Molecules and Materials Workshop @ NIPS2017
 
Comparison of deep learning frameworks from a viewpoint of double backpropaga...
Comparison of deep learning frameworks from a viewpoint of double backpropaga...Comparison of deep learning frameworks from a viewpoint of double backpropaga...
Comparison of deep learning frameworks from a viewpoint of double backpropaga...
 
深層学習フレームワーク概要とChainerの事例紹介
深層学習フレームワーク概要とChainerの事例紹介深層学習フレームワーク概要とChainerの事例紹介
深層学習フレームワーク概要とChainerの事例紹介
 
20170422 数学カフェ Part2
20170422 数学カフェ Part220170422 数学カフェ Part2
20170422 数学カフェ Part2
 
20170422 数学カフェ Part1
20170422 数学カフェ Part120170422 数学カフェ Part1
20170422 数学カフェ Part1
 
情報幾何学の基礎、第7章発表ノート
情報幾何学の基礎、第7章発表ノート情報幾何学の基礎、第7章発表ノート
情報幾何学の基礎、第7章発表ノート
 
GTC Japan 2016 Chainer feature introduction
GTC Japan 2016 Chainer feature introductionGTC Japan 2016 Chainer feature introduction
GTC Japan 2016 Chainer feature introduction
 
Tokyo Webmining Talk1
Tokyo Webmining Talk1Tokyo Webmining Talk1
Tokyo Webmining Talk1
 
VAE-type Deep Generative Models
VAE-type Deep Generative ModelsVAE-type Deep Generative Models
VAE-type Deep Generative Models
 
Common Design of Deep Learning Frameworks
Common Design of Deep Learning FrameworksCommon Design of Deep Learning Frameworks
Common Design of Deep Learning Frameworks
 
Introduction to Chainer and CuPy
Introduction to Chainer and CuPyIntroduction to Chainer and CuPy
Introduction to Chainer and CuPy
 
Stochastic Gradient MCMC
Stochastic Gradient MCMCStochastic Gradient MCMC
Stochastic Gradient MCMC
 
2015年9月18日 (GTC Japan 2015) 深層学習フレームワークChainerの導入と化合物活性予測への応用
2015年9月18日 (GTC Japan 2015) 深層学習フレームワークChainerの導入と化合物活性予測への応用 2015年9月18日 (GTC Japan 2015) 深層学習フレームワークChainerの導入と化合物活性予測への応用
2015年9月18日 (GTC Japan 2015) 深層学習フレームワークChainerの導入と化合物活性予測への応用
 
日本神経回路学会セミナー「DeepLearningを使ってみよう!」資料
日本神経回路学会セミナー「DeepLearningを使ってみよう!」資料日本神経回路学会セミナー「DeepLearningを使ってみよう!」資料
日本神経回路学会セミナー「DeepLearningを使ってみよう!」資料
 
提供AMIについて
提供AMIについて提供AMIについて
提供AMIについて
 
Chainerインストール
ChainerインストールChainerインストール
Chainerインストール
 
Caffeインストール
CaffeインストールCaffeインストール
Caffeインストール
 
Techtalk:多様体
Techtalk:多様体Techtalk:多様体
Techtalk:多様体
 

Chainer Contribution Guide