Ce diaporama a bien été signalé.
Nous utilisons votre profil LinkedIn et vos données d’activité pour vous proposer des publicités personnalisées et pertinentes. Vous pouvez changer vos préférences de publicités à tout moment.

Deep Learning Lab: DIMo & Chainer

4 657 vues

Publié le

The community of Deep Learning Lab (DLL) kicked off on June 19, 2017.

Publié dans : Business
  • Hello! Get Your Professional Job-Winning Resume Here - Check our website! https://vk.cc/818RFv
       Répondre 
    Voulez-vous vraiment ?  Oui  Non
    Votre message apparaîtra ici

Deep Learning Lab: DIMo & Chainer

  1. 1. Deep Learning Lab Kick Off June 19, 2017 株式会社Preferred Networks 取締役 最高執行責任者 長谷川 順一
  2. 2. Preferred Networks, Inc. (PFN)  設 立:2014年3月  所在地:東京都千代田区大手町(日本)、カリフォルニア州サンマテオ(米国)  取締役:西川 徹、岡野原 大輔、長谷川 順一  出資者:NTT(2014年)、Fanuc(2015年)、Toyota(2015年)  ミッション: IoT時代に向けた新しいコンピュータを創造する あらゆるモノに知能をもたせ、分散知能を実現する  事業内容: IoT(Internet of Things) + 分散機械学習  交通システム  産業用ロボット  バイオヘルスケア 2
  3. 3. Our Strategic Partners and Collaborators
  4. 4. Chainer : ディープラーニングフレームワーク 4 ✓ Pythonプログラムで自由にネットワーク記述可能 ✓ 最新の深層学習の様々なアルゴリズムをネイティブにサポート ✓ データごとにオンデマンドでのネットワーク構築が可能 ✓ マルチGPU対応(Model Parallel / Data Parallel) ✓ 2015年6月の公開以降,産業界,研究界で広く使われている
  5. 5. 強化学習 深層強化 学習 異常検知 マルチ モーダル ・ センサー フュージョン アルゴリズム ストリーミングデータ解析 ディープラーニング 開発・実行環境 学習データ作成 アノテーション GUI カメラ管理 映像解析 検出・分類 再照合 外観検査 Deep Intelligence in Motion(DIMo、ダイモ) PFNの研究成果をパッケージ化したプロダクト ツール フロアマップ 連携 PFNのプロダクトDIMo の全体像
  6. 6. Microsoft ✕ Preferred Networks
  7. 7. Microsoft とPFNの提携内容  テクノロジー  Chainer / ChainerMN(Multi Node)のAzureへの展開  Azure Template の提供  Chainer on SQL  Azure AI Batch サービスのchainer対応  Chainer on Windows 対応  人材育成  深層学習人材の育成  3年間で5万人へのトレーニングの提供を目標  マーケティング  DIMo on Azure の展開  Deep Learning Lab の運営
  8. 8. Azure ✕ DIMo Enterprise Grade Deep Learning Solution 監視 カメラ 人再照合 製造 ライン 外観検査 機器 故障予測 ユーティリ ティ 需要予測 ロジ 最適化 監視 カメラ 人物分析 画像 物体検知 (segmentasion) センサー データ 異常予測 自動彩色 ロボット 自動制御
  9. 9. DIMoによるPoC  画像解析  セグメンテーション  外観検査  異常検知  数値予測  強化学習  パラメータ最適化  案件のアセスメント → PoC → パイロット運用 → 本番運用 → モデルの評価・更新 DIMo on Azure を扱えるパートナーを増やしていきます
  10. 10. Deep Intelligence in Motion 各種パッケージ紹介 齋藤 俊太 Researcher at Preferred Networks
  11. 11. DIMo 再照合機能:同じ人物の特徴を検出 NTT Com 3月30日プレス リリース: DIMo 再照合 機能を活用中 人工知能(AI)を活用した映 像解析技術により 複数カメラを跨いだ不審 者検出・追跡を高い精度 で実現 ~ALSOKと連携した実証 実験に成功~
  12. 12. DIMo 異常検知(故障予測)パッケージ 概要 正常時 異常時 時系列の数値データから、そ のデータの時間的な経過によ る異常を検知する機能 【学習処理】 • そのデータの正常時の波形 を一定時間分投入 • 正常時の波形を学習するた め、異常データが学習の際 には必要ない • ※実際に異常が発見できる か検証するために異常デー タ自体は少数は必要 【判定処理】 • 学習した波形データの続き のデータを投入すると、異 常度スコアが出力される
  13. 13. ● フロントエンドUI ● ヒト映像解析結果の確認表示 ● 認識モデル・カメラ・マップの管理 ● アノテーションツール ● Webブラウザ上で正解データ作成 ● 外部企業経由で作業者に作業発注が可能 ● 画像認識ライブラリ ● ヒト検出&追跡(全身ベース) ● ディープラーニングによる属性認識 stream query engine 機械学習ディープラーニング DIMov1.0 機能別 ライブラリ 画像認識 検出/追跡/認識 アノテーション Hawk環境 クラウドソーシング 映像解析パッケージ アノテーションツール ヒト検出・認識結果Web GUIで設定を一括管理 DIMo 映像解析パッケージ 概要 デモ:https://www.youtube.com/watch?v=blMaZPEA5rA
  14. 14. DIMo on Azure 現在、より簡単にDIMoを利用開始できるよう Azureで環境構築済みのものを提供予定 (DIMoはオンプレで学習・実行環境を作ることも可能)
  15. 15. Chainerの特徴と発展 Azureとの連携 齋藤 俊太 Researcher at Preferred Networks
  16. 16. 深層学習フレームワークChainer • ニューラルネットワークの設計・学習・評価等、深層学習を用 いた研究開発に必要となる一連の機能を提供
  17. 17. Popularity Growth
  18. 18. Define-by-Run # 構築 x = Variable(‘x’) y = Variable(‘y’) z = x + 2 * y # 評価 for xi, yi in data: eval(z, (xi, yi)) # 構築と評価が同時 for xi, yi in data: x = Variable(xi) y = Variable(yi) z = x + 2 * y データを見ながら 違う処理をしてもよい Define-and-Run Define-by-Run
  19. 19. Chainer v2.0.0 大幅なメモリ消費量削減、ユーザフィードバックを反映しAPIを整理 https://cupy.chainer.org https://chainer.org
  20. 20. Chainer on Windows: インストール手順 Windowsでの導入をより簡単にするための作業が進行中 (ビルド済みのバイナリを配布を検討中) 1. Install Visual C++ 2015 Build Tools http://landinghub.visualstudio.com/visual-cpp-build-tools 2. Install CUDA Toolkit 8.0 https://developer.nvidia.com/cuda-downloads 3. Install cuDNN v6.0 Library for Windows 10 https://developer.nvidia.com/rdp/cudnn-download Put all files under C:¥Program Files¥NVIDIA GPU Computing Toolkit¥CUDA¥v8.0 4. Install Anaconda 4.3.1 Python 3.6 or 2.7 https://www.continuum.io/downloads 5. Add environmental variables - Add “C:¥Program Files (x86)¥Microsoft Visual Studio 14.0¥VC¥bin” to PATH variable - Add “C:¥Program Files (x86)¥Windows Kits¥10¥Include¥10.0.10240.0¥ucrt” to INCLUDE variable 6. Install Chainer on Anaconda Prompt > pip install chainer
  21. 21. Chainer on Azure Data Science VMに CuPy + Chainer をプリインストール予定 Data Science Virtual Machineを用いると現在でも簡単にChainerを使い始められます! ログイン後、 “pip install –user cupy”, “pip install –user chainer” の2コマンドでイ ンストール完了。GPUを用いた深層学習が開始できます。
  22. 22. Chainerの追加パッケージ 分散深層学習・深層強化学習・コンピュータビジョン ChainerMN: 分散深層学習用追加パッケージ 高いスケーラビリティ(128GPUで100倍の高速化) ChainerRL: 深層強化学習ライブラリ DQN, DDPG, A3C, ACER, NSQ, PCL, etc. OpenAI Gym サポート ChainerCV: 画像認識アルゴリズム・データセットラッパーを提供 Faster R-CNN, Single Shot Multibox Detector (SSD), SegNet, etc. MN RL CV 分散学習 強化学習 画像認識
  23. 23. ChainerMN: Multi-node Chainerの使いやすさはそのままに、複数GPU、複数ノード安協 で高速に学習することができる GPU GPU InfiniBand GPU GPU InfiniBand
  24. 24. ChainerMNによる分散深層学習 128GPUsを使っておよそ100倍の高速化に成功
  25. 25. 他フレームワークと比較しても高速 ImageNetデータセットにてResNet-50モデルを100エポック学 習するのに要した時間による比較
  26. 26. ChainerMNによる分散深層学習 128GPUsを使っておよそ100倍の高速化に成功
  27. 27. How about on Azure?
  28. 28. 高いスケールアウト性能をAzure上で実現 1 10 100 1 2 4 8 16 32 64 Speedup(times) Number of GPUs ChainerMN on Azure (K80, batchsize=32, InfiniBand) ResNet50 on ImageNet Ideal speedup
  29. 29. ChainerMNクラスタセットアップのためのARM (Azure Resource Manager) Templateを公開予定

×