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.

Azure Machine Leaning Workbench の使い方

1,494 views

Published on

第11回 Cogbot勉強会 (2018年1月23日開催) セッション資料

Azure Machine Learning Workbench の機能、使い方を紹介します

Published in: Technology
  • Be the first to comment

Azure Machine Leaning Workbench の使い方

  1. 1. 第11回 Cogbot 勉強会 2018年1月23日 瀬尾佳隆 (@seosoft) Microsoft MVP for Windows Dev Azure Machine Learning Workbench の使い方
  2. 2. 自己紹介 瀬尾佳隆 (せおよしたか) • MVP for Windows Development • http://yseosoft.wordpress.com/ • 乃木坂46 / 欅坂46 と、仏像 / 屏風絵が好き 2
  3. 3. 今日の内容 深層学習の開発手順 Workbench Preview の機能 Workbench の使い方 • 既存モデルの活用 • ログ出力 • ハイパーパラメーターの管理 • ジョブ比較 3
  4. 4. おことわり 本セッションは “ツールの使い方” を 紹介するものです 深層学習の中身には “入り込みません” 4
  5. 5. 今日の内容 深層学習の開発手順 Workbench Preview の機能 Workbench の使い方 • 既存モデルの活用 • ログ出力 • ハイパーパラメーターの管理 • ジョブ比較 5
  6. 6. 深層学習の開発手順 6 データ 前処理 コーディング デバッグ 学習(トレーニング) ジョブ比較 モデル管理 デプロイ バグのないコードが書ければ完成 ・・・ではない ハイパーパラメーターを変更しながら 何度もトレーニング 各トレーニングの結果を比較 一番 “最適” なモデルをデプロイ
  7. 7. Workbench Preview の機能 7 データ 前処理 コーディング デバッグ 学習(トレーニング) ジョブ比較 既存モデルの活用、ログ管理、 ハイパーパラメーター管理 学習結果を視覚的に比較 モデル管理 デプロイ デプロイ対象のモデルを正しく選択 Excel, Power BI ライクな整形VS Code で 今日は省略
  8. 8. 寄り道) コーディング、デバッグ 8 Visual Studio Code for AI 拡張機能を インストールしておく
  9. 9. 学習(トレーニング) ハイパーパラメーターを変えながら トレーニングを繰り返す • これを “ジョブ” と言う Workbench がジョブを自動で管理 • 既存モデルの活用 • ログ出力 • ハイパーパラメーターの管理 9
  10. 10. ジョブの管理(1) これまでのジョブを一覧表示、視覚的に比較 10
  11. 11. ジョブの管理(2) ジョブの標準出力を自動保存、いつでも参照 11
  12. 12. 既存モデルの活用 例)MNIST で実績があるモデルを Fashion-MNIST で活用してみる 12 MNIST Fashion-MNIST まだ精度は 出ていないが、 活用できそうだ
  13. 13. ログ出力(1) 13 # ロガーの作成 from azureml.logging import get_azureml_logger run_logger = get_azureml_logger() # ロガーへの出力 run_logger.log("Average Test Error", average_error) # printと適宜共存 print("Average test error: {0:.2f}%".format(average_error))
  14. 14. ログ出力(2) ジョブ一覧画面で グラフ表示 • 各ジョブで出力された 数値データ 14
  15. 15. ログ出力(3) 各ジョブの結果画面で プロパティ表示 • 文字列、数値データ 15
  16. 16. ログ出力(4) 各ジョブの結果画面で グラフ表示 • 数値のリストデータ 16
  17. 17. ハイパーパラメーターの管理(1) 17 if len(sys.argv) > 1: learning_rate = float(sys.argv[1]) else: learning_rate = 0.2 print("learning_rate is {}".format(learning_rate)) run_logger.log("learning_rate", learning_rate) if len(sys.argv) > 2: minibatch_size = int(sys.argv[2]) else: minibatch_size = 64 print("minibatch_size is {}".format(minibatch_size)) run_logger.log("minibatch_size", minibatch_size)
  18. 18. ハイパーパラメーターの管理(2) 18
  19. 19. 寄り道)readme.md の編集(1) Markdown で編集 19 # cntk_fashion_mnist_args.py の引数の意味とデフォルト値 learning_rate (デフォルト: 0.2) minibatch_size (デフォルト: 64) num_sweeps_to_train_with (デフォルト: 10)
  20. 20. 寄り道)readme.md の編集(2) 20
  21. 21. ジョブ比較 2個のジョブをグラフで選択して詳細に比較 21
  22. 22. モデル管理 選択したジョブのモデルをいつでも取り出せる 22
  23. 23. まとめ ~Workbench の機能~ 既存モデルの活用 ログ出力 ハイパーパラメーターの管理 ジョブ比較 23

×