Movatterモバイル変換

Deep Learning Lab Kick OffJune 19, 2017株式会社Preferred Networks取締役最高執行責任者長谷川順一

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

Our Strategic Partners and Collaborators

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

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

Microsoft ✕ Preferred Networks

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

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

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

Deep Intelligence in Motion各種パッケージ紹介齋藤俊太Researcher at Preferred Networks

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～

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

● 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

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）

Chainerの特徴と発展Azureとの連携齋藤俊太Researcher at Preferred Networks

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

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

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.orghttps://chainer.org

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 Toolshttp://landinghub.visualstudio.com/visual-cpp-build-tools2. Install CUDA Toolkit 8.0https://developer.nvidia.com/cuda-downloads3. Install cuDNN v6.0 Library for Windows 10https://developer.nvidia.com/rdp/cudnn-downloadPut all files under C:¥Program Files¥NVIDIA GPU Computing Toolkit¥CUDA¥v8.04. Install Anaconda 4.3.1 Python 3.6 or 2.7https://www.continuum.io/downloads5. 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 variable6. Install Chainer on Anaconda Prompt> pip install chainer

Chainer on AzureData 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。

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.MNRLCV分散学習強化学習画像認識

ChainerMN: Multi-nodeChainer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GPUGPUInfiniBandGPUGPUInfiniBand

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

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

高いスケールアウト性能をAzure上で実現1101001 2 4 8 16 32 64Speedup(times)Number of GPUsChainerMN on Azure (K80, batchsize=32, InfiniBand)ResNet50 on ImageNetIdeal speedup

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

Movatterモバイル変換

Change Language

Deep Learning Lab: DIMo & Chainer

Recommended

More Related Content

What's hot

Viewers also liked

Similar to Deep Learning Lab: DIMo & Chainer

More from Preferred Networks

Recently uploaded

Deep Learning Lab: DIMo & Chainer