はじめに
ONNX.jsの練習用にいろいろやっていくための備忘録
今回はONNX.jsからResidual Network(ResNet)のモデルを動かして猫を判別する
ResNetって何だったっけ
昔勉強したことがあるきもするけど，案の定忘れてるのでおさらいから．
と言っても解説のリンクを貼っとくだけ．とてもわかりやすい記事がたくさんある．
ResNet なんて全く理解していないだけの人生だった
ResNet始祖論文
要は入力をショートカットして，すっ飛ばした入力と出力の誤差を求めていく．
ResNet登場以前は「NNは層が深ければ深いほど精度も高くなってくでしょ」といわれていたが，実際は違う．
モデル劣化と勾配消失が起きるので，精度は頭打ちどころか悪くなっていくこともある．そこでResNetが大活躍してくれるわけである．イメージとしては項等変換をモデル側で用意する，「テイラー展開の右辺第一項のみを与えるから後は推測してね」という感じだ．詳しくはリンク先を参照．
今回の目的
ONNX.jsを使用して，上述のResNetの有名な猫判別モデルを動かす．
まずはとにかく公式のデモを動かすところからスタート．
ONNXとは
ONNXとONNX.jsの詳しい説明はリンク先で（丸投げ）．
ちなみにONNXはオニキスと読むらしい．
ONNXの概要
ONNX.jsを使ってWebブラウザでディープラーニング
onnxjsを使ってブラウザで機械学習モデルを実行する
onnx.jsのデモンストレーションを動かしてみた
色々と下準備
公式のデモサンプルをDLしてくる．gitでクローンでも丸ごとzipで落としてもおk．
次にImagenetの訓練済みモデルをDLしてくる．
DLしたモデルは○○.onnxという見慣れない拡張子のファイル（今回のはresnet50_8.onnx），こいつを先ほどDLしたフォルダのresnet50(onnxjs-master/examples/browser/resnet50/)の中に移動する．
とりあえずこれで準備は完了．
実際にうごかす
先ほどのResNetのONNX.jsを動かすために，まずはローカルサーバを立ち上げる．
onnxjs-master/examples/browserをカレントディレクトリにして以下を実行．
python -m http.server
サーバが正常に動作していることを確認したら，適当なブラウザでローカルホスト(http://localhost:8000/resnet50/)にアクセス．ちなみに私の環境ではfirefoxとchromeでは動作確認済み．
接続してRunするとこのように猫の画像を判別するResNetが動くはず．猫の画像は適当に入れ替えて試しても大丈夫．
ちなみに実家のまこちゃんは...
tiger catっぽい，やっぱりかわいい(親バカ)．
おしまいに
とりあえず今回はResNetの猫モデルを動かしてみた．
次回は自由に猫を選べるようにしてもいいし，mnistとか他のモデルを動かしてみるのもよさそう．