20190420_chainer_handson_cource03

 20190420_chainer_handson_cource03

E04f148b1f9614f4dee94e804cd8bf9c?s=128

keisuke umezawa

April 19, 2019
Tweet

Transcript

  1. Chainer Beginner's Hands-on Course #03 Preferred Networks / Chainer Evangelist

    Keisuke Umezawa twitterのハッシュタグは #chug_jp でお願いします
  2. 自己紹介 2 •梅澤 慶介 • 金融マーケット予測モデルの研究開発 @AlpacaJapan • Chainer Evangelist

    @Preferred Networks • Twitter:@kmechann • GitHub:@keisuke-umezawa
  3. Alpaca Forecast AI Prediction Matrix 3 •最近、Bloombergアプリとしてリリースした金融商品予測システム •30分後に価格が上がるか下がるか予測する

  4. Agenda 1. Chainer Beginner's Hands-on Course について 2. Chainer/CuPyの紹介 3.

    本日のハンズオンの内容 4
  5. Chainer Beginner's Hands-on Course 5

  6. 概要 6 •Chainerを使って、Googleの提供するColaboratoryで演習をする無料ハ ンズオンコースです。 •随時、コンテンツを追加する予定です。 https://chainer-colab-notebook.readthedocs.io/ja/latest/begginers_hands_on.html

  7. コース全体を通した目標 7 •Deep Learningフレームワークに必要な構成要素とChainerによる実装を 説明できる •モデルの評価に必要な機械学習の手法を実践できる •CNN、RNNなど基本的なネットワークを使ったモデルを実装できる •画像処理、自然言語処理などの応用分野の問題をChainerで解くことが できる •実際に作成したモデルを使って、アプリケーションを作ることができる

  8. 今後の予定 8 •次回は6月頃に開催する予定

  9. Chainer/CuPyの紹介 9

  10. Chainer •Chainerとは (http://chainer.org/) •Preferred Networks製Deep Learningフレームワーク 10

  11. Chainer 11 •Google社製TensorFlowなどの同類

  12. CuPy 12 ChainerにおけるGPU計算を全て担当するライブラリが独立 NumPy互換APIで低コストにCPUコードをGPUへ移行 特異値分解などの線形代数アルゴリズムをGPU実行 KMeans, Gaussian Mixture ModelなどのExampleの充実 import

    numpy as np x = np.random.rand(10) W = np.random.rand(10, 5) y = np.dot(x, W) import cupy as cp x = cp.random.rand(10) W = cp.random.rand(10, 5) y = cp.dot(x, W) GPU https://github.com/cupy/cupy
  13. 拡大するChainerファミリー 13 Chainer UI Chainer Chemistry 強化学習 画像認識 可視化 グラフ構造

    大規模分散 Menoh 推論特化
  14. 最近のできごと(1): Chainer Tutorials の公開 •Chainerだけでなく、数学やPythonの基礎〜機械学習・ディープラーニン グの基礎・コーディング・応用まで幅広く解説。 •全章をColab上で実行可能なJupyterノートブックとして配布中 14 https://tutorials.chainer.org/ja/

  15. 最近のできごと(2): ChainerX 公開 •自動微分可能なNumPy-likeな ndarrayをC++で実装することに より以下を達成 • 高速化 • 多様なデバイスに対応

    • python以外の言語でdeploy可 能 15
  16. 本日のハンズオンの内容 16

  17. 前回の内容 17 •Chainer入門 • 畳み込みニューラルネットワークについて学習すること • 過学習・汎化性能を理解すること • Chainerの機能について学習すること

  18. 今回の内容 18 •Chainerでkaggleの問題を解こう! • 好きなデータセットをChainerで使えるように変換し、モデルの訓練・推論を行 うこと • Kaggleを例題に、より応用的な画像識別の問題を解くこと • fine-tuningをして、画像識別の問題を解くこと

    • ChainerCVを使って、Data Augumentationをすること
  19. chug (Chainer User Group)の紹介 19

  20. Chainer User Groupの紹介 •Slack chainer-jp https://bit.ly/join-chainer-jp-slack •Twitter @chug_jp •活動内容 •Meetup・ハンズオンの開催

    •Chainerに関する情報・ドキュメントの拡充 •Web チュートリアルの作成 •一緒に活動できる方を募集しています! Slack #chug-jp-management に是非 20
  21. アンケート http://bit.ly/chainer-handson03

  22. None