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.

20181201 chainer handson_cource01

1,563 views

Published on

Slides for Chainer hands-on Cource #01 @Google Drive Tokyo on 2018-12-01

Published in: Data & Analytics
  • Be the first to comment

20181201 chainer handson_cource01

  1. 1. Chainer Beginner's Hands-on Course #01 Preferred Networks / Chainer Evangelist Keisuke Umezawa
  2. 2. 自己紹介 2 • 梅澤 慶介 • 金融マーケット予測モデルの研究開発 @AlpacaJapan • Chainer Evangelist @Preferred Networks • Twitter:@kmechann • GitHub:@keisuke-umezawa
  3. 3. Alpaca Forecast AI Prediction Matrix 3 • 最近、Bloombergアプリとしてリリースした金融商品予測システム • 30分後に価格が上がるか下がるか予測する
  4. 4. Agenda 1. Chainer Beginner's Hands-on Course 2. Chainer/CuPyの紹介 3. 本日のハンズオンの内容 4
  5. 5. Chainer Beginner's Hands-on Course 5
  6. 6. 概要 6 • Chainerを使って、Googleの提供するColaboratoryで演習をする無料 ハンズオンコースです。 • 随時、コンテンツを追加する予定です。 https://chainer-colab-notebook.readthedocs.io/ja/latest/begginers_hands_on.html
  7. 7. コース全体を通した目標 7 • Deep Learningフレームワークに必要な構成要素とChainerによる実 装を説明できる • モデルの評価に必要な機械学習の手法を実践できる • CNN、RNNなど基本的なネットワークを使ったモデルを実装できる • 画像処理、自然言語処理などの応用分野の問題をChainerで解くこと ができる • 実際に作成したモデルを使って、アプリケーションを作ることがで きる
  8. 8. 今後の予定 8 • 次回は2月中に開催する予定
  9. 9. Chainer/CuPyの紹介 9
  10. 10. Chainer • Chainerとは (http://chainer.org/) • Preferred Networks製Deep Learningフレームワーク 10
  11. 11. Chainer 11 • Google社製TensorFlowなどの同類
  12. 12. CuPy 12 ChainerにおけるGPU計算を全て担当するライブラリが独立 NumPy互換APIで低コストにCPUコードをGPUへ移行 特異値分解などの線形代数アルゴリズムをGPU実行 KMeans, Gaussian Mixture ModelなどのExampleの充実 import numpy as np x = np.random.rand(10) W = np.random.rand(10, 5) y = np.dot(x, W) import cupy as cp x = cp.random.rand(10) W = cp.random.rand(10, 5) y = cp.dot(x, W) GPU https://github.com/cupy/cupy
  13. 13. 拡大するChainerファミリー 13 Chainer UI Chainer Chemistry 強化学習 画像認識 可視化 グラフ構造 大規模分散 Menoh 推論特化
  14. 14. 最近のできごと(1): Menoh公開 • CPU向けのコンパクトなONNXモデル推論エンジン • Chainer等で学習・保存したONNXフォーマットのモデルを読み込み可能 • MKL-DNN対応でインテルCPUにおける高速な推論を実現 • C++実装 & 多言語ラッパーによりエッジを中心に多様な環境に対応 14 https://github.com/pfnet-research/menoh Menoh
  15. 15. 最近のできごと(2): クラウド環境 x ChainerMN 15 • クラウド環境で、簡単にGPUクラスタ環境の構築が可能 • ChainerMN on Azure • ChainerMN on CloudFormation
  16. 16. 最近のできごと(3): Paints Chainer 16 • 線画の自動着色を行 うWebサービス • 線画とその着色済み 画像のペアを大量に 用意 • 線画+ヒントを入力 にして、着色後画像 を出力する畳み込み ネットワークを訓練 線画:ちょまどさん https://paintschainer.preferred.tech
  17. 17. 本日のハンズオンの内容 17
  18. 18. 本日の内容 18 • コース概要説明 • Colaboratoryによるハンズオン • ColaboratoryでPython、Notebookの操作のおさらい • ColaboratoryでChainerを使うための設定 • Chainerで衣類の画像を分類してみよう
  19. 19. Chainerによる衣類画像の分類 19 1 0 0 0 好きな数 (100個とか) ラベルの数 (Fashion-MNISTなら10) 画像のサイズ個 (28x28pixelなら784)
  20. 20. 1 0 0 0 Chainerによる衣類画像の分類 20 好きな数 (100個とか) ラベルの数 (Fashion-MNISTなら10) 画像のサイズ個 (28x28pixelなら784) 画像を1pixelごとに1列に並 べてネットワークに入力
  21. 21. Chainerによる衣類画像の分類 21 好きな数 (100個とか) ラベルの数 (数字なら 10) 画像のサイズ個 (28x28pixelなら784) 数字は10種類あるのでノー ド数も10。0~1の値を取るよ うにし、最も大きい値が出 力結果。 1 0 0 0
  22. 22. Chainerによる衣類画像の分類 22 画像のサイズ個 (28x28pixelなら784) 好きな数 (100個とか) ラベルの数 (Fashion-MNISTなら10) Deep Leaningとは、任意の関 数を表現可能なネットワーク 構造を作り、それをデータに よって学習させることで、目 標の関数を作る手法。 1 0 0 0
  23. 23. Chainerによる衣類画像の分類 23 好きな数 (100個とか) ラベルの数 (Fashion-MNISTなら10) 画像のサイズ個 (28x28pixelなら784) ネットワークの定義に基いて 、中間層の値を計算 1 0 0 0
  24. 24. 0.4 0.1 0 0.2 1 0 0 0 Chainerによる衣類画像の分類 24 出力結果と答えを照らし合わ せて、間違っていたら、ネッ トワークのパラメータを修正 好きな数 (100個とか) ラベルの数 (Fashion-MNISTなら10) 画像のサイズ個 (28x28pixelなら784)
  25. 25. Chainerによる衣類画像の分類 25 0 0 0 1 好きな数 (100個とか) ラベルの数 (数字なら 10) 画像のサイズ個 (28x28pixelなら784) これをひたすら、いろいろな 画像で繰り返す 0.3 0.1 0 0.5
  26. 26. chug (Chainer User Group)の紹介 26
  27. 27. Chainer User Groupの紹介 • Slack chainer-jp https://bit.ly/join-chainer-jp-slack • Twitter @chug_jp • 活動内容 • Meetup・ハンズオンの開催 • Chainerに関する情報・ドキュメントの拡充 • Web チュートリアルの作成 • 一緒に活動できる方を募集しています! Slack #chug-jp-management に是非 27

×