機械学習をクラウド上のGPUでも、オンプレミスのGPUでも

Transcript

1. 1 機械学習を クラウド上のGPUでも、 オンプレミスのGPUでも CircleCIを使って「透過的に」実現する 舟木 将彦 (@mfunaki) Senior Developer Advocate
2. 2 Agenda GPU とは 〜 ディープラーニングの高速化と課題 CI ツールでクラウド GPU / オンプレ GPU を透過的に扱う マスク着用検出の実装例 まとめ 1 2 3 4
3. 3 1. GPU とは ディープラーニングの高速化と課題
4. 4 機械が 与えられたデータから データの背景にある ルールやパターンを発見する方法を モデル化すること 音声認識や画像認識を例にとると ・人によって「ありがとう」の 　音の高さ、スピード、音素などは 　異なっても、何らかのルールはある ・マスクによって 　種別としての形、見る方向による形 　色などは異なっても、 　何らかのルールはある 機械学習とは
5. 5 機械学習の精度向上のため 学習の際に 多層的な(ディープ)な構造で 考える方法 音声認識や画像認識を例にとると ・入力と出力(「ありがとう」 　「マスク」などの結果)を 　直接結ぶのではなく、 　中間層を複数用意し、 　各層に判断基準を分割する →精度は高くなるが計算量(時間)も増加 GPU(Graphical Processing Unit)を使い 3Dグラフィックス描画のように 並列的に処理可能 →計算時間を短縮可能 →計算能力やメモリによるが高価 ディープラーニングとは
6. GPUを使ってディープラーニングを高速化 物体検出モデル YOLOv5 を使い、マスク着用検出のための学習＋検出 https://github.com/ultralytics/yolov5
7. YOLOv5 の学習を NVIDIA GPU(CUDA) で高速化 YOLOv5は PyTorch を使っており、 CUDAをサポートするNVIDIA GPUが利用可能な環境で実行することで高速化可能 GPUが手元にある人も、ない人も、 CircleCIを活用できます！
8. 8 2. クラウドGPU / オンプレ GPU を 透過的に扱う
9. CircleCI で NVIDIA GPU を利用する２つの方法 Machine Executor (GPU) - CircleCIが用意した GPU環境を利用 CircleCI ランナー - 自分で用意した GPU 環境を利用 https://circleci.com/docs/ja/2.0/runner-overview/ https://circleci.com/docs/ja/2.0/executor-types/
10. 実行環境の定義 train_to_test_on_gpu ジョブを CircleCI のGPU で実行 - CircleCI クラウド上の GPU が使えるのは 有償プランのみ(Freeプランでは使用できない ) train_to_test_on_runner ジョブを 自前の GPU で実行 - 自組織の名前空間でランナー用のリソースクラスを 作成し、GPU環境にランナーのインストールを行う - 今回は Windows 11のWSL2環境(Ubuntu 20.04) から Windows側のGPUを利用 (https://docs.microsoft.com/en-us/windows/wsl/tutorials/gpu-compute)
11. nvidia-smi コマンドの実行結果 train_to_test_on_gpu ジョブ train_to_test_on_runner ジョブ
12. YOLOv5 と必要なライブラリを読み込む train_to_test_on_gpuジョブ と train_to_test_on_runnerジョブの双方で 共用できる様に clone_yolov5 コマンドとして定義する
13. 13 3. マスク着用検出の実装例
14. 学習用データセットを用意する 学習用データセット(マスク着用／未着用画像とアノテーションデータ )に roboflow の Mask Wearing Dataset (149イメージ) を使用 https://public.roboflow.com/object-detection/mask-wearing
15. データセットをダウンロードする load_maskdataset コマンドとして定義する
16. データセットから学習する アーティファクト出力時のファイル名用に引数に train_env を取る train_with_maskdataset コマンドとして定義する
17. テストデータでマスク検出を確認する アーティファクト出力時のファイル名用に引数に test_env を取る test_mask_detection コマンドとして定義する
18. 検出結果はアーティファクトから取得可能 train_to_test_on_gpu ジョブ train_to_test_on_runner ジョブ
19. 19 4. まとめ
20. 20 クラウド＋オンプレミスで CI (自動化) するメリット • 学習手順 評価手順を 共有できる (誰がやっても 失敗しない) • 利用したい人なら だれでも使える (WS 所有者の 専有ではない) • 既存GPUがあれば 容易に導入できる (CIと組合せれば 誰でも使える) • センシティブな データをオンプレ に置いておける (顔や声などは 匿名化しにくい) • すぐに導入でき、 スケール可能 (調達に時間が かからない) • 利用したい人なら 誰でも使える (WS 所有者の 専有ではない) クラウド GPU オンプレ GPU CI (自動化)
21. CircleCIをもっと知りたい！人に... 最新の情報なら @CircleCIJapan をフォロー！ #CircleCIJp タグつけて情報共有！ イベント、セミナー、勉強会の情報なら connpassのCircleCIグループから！ https://circleci.connpass.com/ 動画でCircleCIについて学ぶなら CircleCIチャンネルを登録！ (日本語プレイリストもあり )
22. Thank you. 22