2019年01月31日 08時00分 公開
特集/連載

ディープラーニングツール概説(後編)ディープラーニング用周辺ツールの充実にも注目

TensorFlowやPyTorchなどのフレームワークばかりが注目されるが、ディープラーニングを支援する周辺ツールにも注目したい。今後さらに多くのツールが誕生することだろう。

[Adrian Bridgwater,Computer Weekly]

 前編(Computer Weekly日本語版 1月9日号掲載)では、Google、Microsoft、Facebookが提供しているディープラーニングフレームワークを紹介した。

 後編では、その他のツールセットおよびディープラーニング関連ツール一覧を紹介する。

Computer Weekly日本語版 1月23日号無料ダウンロード

本記事は、プレミアムコンテンツ「Computer Weekly日本語版 1月23日号」(PDF)掲載記事の抄訳版です。本記事の全文は、同プレミアムコンテンツで読むことができます。

なお、同コンテンツのEPUB版およびKindle(MOBI)版も提供しています。

ボタンボタン

その他注目のツールセット

 多数ある他の主要ライブラリとツールセットにも触れておかなければならない。「Caffe」はディープラーニング用オープンソースのフレームワークで、「畳み込みニューラルネットワーク」(CNN)の構築に使える。CNNは画像分類に使うのが一般的だ。Caffeは多種多様なソフトウェアアーキテクチャをサポートするため、一部の開発者に非常に人気がある。

 「Deeplearning4j」はJava仮想マシン(JVM)用のオープンソース分散ディープラーニングライブラリだ。Python開発者には機械学習フレームワーク「scikit-learn」もある。こちらは、データマイニング、データ分析、データ視覚化などのタスクに使われる。

 Python用の数値演算ライブラリ「Theano」もある。コンピュータによる集中的な計算処理のために多次元配列を使用する演算を実行できる。

 実世界(AIの世界でもある)では、多種多様なツールセット、ライブラリ、コード化手法を使用して、マシンインテリジェンスを構築しようとしている企業がある。

 DatabricksのCIO調査によると、87%の企業が平均7種類の機械学習ツールに投資している。結果、そうしたデータを使用する際の複雑さが増しているのは言うまでもない。

 Databricksは「MLflow」(訳注)というツールをオープンソース化し、この課題を部分的に解決しようと試みている。MLflowの目的は機械学習の実験を管理しやすくし、それを事実上のライフサイクルに組み込むことだ。プロジェクトの設定を共有してそれらのモデルを運用環境に導入しやすくすることも目指している。

訳注:Computer Weekly日本語版 2018年8月8日号で詳しく紹介している。

 同社はAIの導入と進化をより容易にするためには、ツール、データ、ライブラリ、ワークフローを1箇所で管理するための標準化されたアプローチが必要だと主張する。MLflowは2018年6月にα版がリリースされた。

ニューラルネットワークの今後

 本稿で紹介したツールが開発される中、共通の問題が幾つか明らかになっている。

続きはComputer Weekly日本語版 1月23日号にて

本記事は抄訳版です。全文は、以下でダウンロード(無料)できます。


Computer Weekly日本語版 最近のバックナンバー

Computer Weekly日本語版 1月9日号 ディープラーニングツール総まとめ

Computer Weekly日本語版 12月19日号 犯罪者フォーラム潜入記

Computer Weekly日本語版 12月5日号 Chromebook大好き


ITmedia マーケティング新着記事

news123.jpg

デジタル広告のフリークエンシー(表示回数)最適化、「何回見せるのが最も効果的か」が分かる
電通デジタルが、デジタル広告の最適なフリークエンシー(表示回数)を導き出すフレーム...

news026.jpg

債権回収にマーケティングオートメーション活用、イオングループ傘下のサービサーの取り組み
債権回収の場においても、チャネル横断やコミュニケーション最適化の視点はやはり重要だ...