日本ITU協会 第56回 情報通信研究会
https://www.ituaj.jp/?kouen=56th_ict
「エヌビディアが加速するディープラーニング ～ 進化するニューラルネットワークとその開発方法について～」
講師 ： 村上真奈氏(NVIDIA ディープラーニングソリューションアーキテクト兼CUDAエンジニア)
資料とか、公開されないのかな……。似たやつがあった。http://www.slideshare.net/NVIDIAJapan/ss-61344653
ここで見つけた→ NVIDIA Deep Learning Day 2016 Spring の個人的まとめ
以下メモです:
1980年の第2次AIブームでは、シナプス→ニューロン→シナプス→ニューロン……の段数が3段くらい。
2016年の第3次AIブームでは、152段。
2012年に、フィードバック(Forward/Backword Propergation)をうまくやるアイデアが登場して段数が増えた。
最近の事例:
Netflix...リコメンドエンジンでお試し会員からの正会員率を上げる、退会率を下げる
Googleデータセンタ……ラックにセンサをつけて空調を120段階で管理し、電力量を4割削減
https://devblogs.nvidia.com/parallelforall/
ニューラルネットワークの構成によっていろいろなパターンがある。”CNN”=上流では特徴抽出のための畳み込み、下流では特徴に基づいた推論をさせる……など。
顔認識の例だと、学習データ1000万点、段数8段、パラメータ(シナプス?)数10億、で学習時間が1か月くらい。
CUDA用ライブラリとして、深層学習用のcuDNN, 密行列用のcuBLAS, 疎行列用のcuSPARSE、フーリエ変換用のcuFFT、グラフ解析用のnvGraphなどがある。
これらを利用するディープラーニングフレームワークがオープンソースで増えてきて手軽になった。たとえば:
Caffe(かふぇ) ... C++/Python/Matlab用。画像認識のサンプルが多い
http://cafe.berkleyvision.org/
Torch(とーち) ... Lua/C用。Facebookによる顔認識のサンプルが多い
http://torch.ch/
Theano(しあーの)、TensorFlow(てんそるふろー)、Chainer(ちぇいなー) ... Pythonなので改造しやすい。時系列や複雑系のサンプルが多い
http://deeplearning.net/software/theano/
http://tensorflow.org/
http://github.com/pfnet/chainer
http://github.com/hido/chainer-handson (Jupyter Notebook)
CNTK(Microsoft製) ... (資料にあるものの紹介はなかった)
https://cntk.codeplex.com/
NVIDIA DIGITS にあるDebianパッケージを使えばWeb経由で簡単に画像解析と物体検出を始められますよ!
http://developer.nvidia.com/digits
https://github.com/NVIDIA/DIGITS/tree/master/examples
自主学習用コンテンツ quikLABS
https://nvidia.qwiklab.com
AWSで試せるよ! 無料コンテンツもあるよ!
有料コンテンツは15クレジット=1200円くらいだよ!
メモここまで