SONYのNNC

Transcript

1. プログラミング不要の ディープラーニングツール SONY の Neural Network Console 大野 宏 2020/1/11 Python機械学習勉強会in新潟Restart#10
2. ディープラーニングのツール ・caffe 画像認識で一世を風靡 開発者がfacebookに移籍してcaffe2を開発 ・Tnesoflow Googleが開発 利用者が最も多い Keras より簡単なライブラリ ・chainer 日本のベンチャー企業が開発・提供 最新技術が搭載 ・YOLO 高速で高性能 動画にも対応 ・Pytorch facebookが開発 chainerを参考 使い易い ・NNC プログラム無しで利用可
3. ＳＯＮＹのＮＮＣ（Neural Network Console） ・ドラッグ＆ドロップでネットワークを作成 ・学習中の認識率を自動でグラフに表示 ・自動で条件を変えて認識率の計算も可能 ・ダウンロード版（Windows）とクラウド版（制限付き無料） SONYはクラウド（有料版）で収益 ・パラメータの入力には知識が必要 ・もともと社内向けに開発したものを公開
4. ＮＮＣの解説書 ・書籍 ①「ソニー開発のNeural Network Console入門 数式なし、 コーディングなしのディープラーニング」 自分のパソコンでＣＮＮ画像分類 ②【増補改訂・クラウド対応版】 ＣＮＮ画像分類、ＲＮＮによる時系列予想と異常検知 ・動画 Youtubeに解説が多数 分かりやすい
5. 多数の事例 ・手書き数字の認識（MNIST） ・画像分類（cifar-10） ・ＵＲＬ https://dl.sony.com/ja/
6. 畳み込みニューラルネットワーク 1998 ルカンらが畳み込みニューラルネットワーク （Convolutional Neural Networks）で文字認識 畳み込み層 局所的な特徴抽出 プーリング層 位置ずれを吸収 Y.Lecun,et al.”Gradient-based Learning Appplied to Document Recognition”,Proc. of The IEEE,1998 畳み込み層 プーリング層 入力層 出力層 プーリング層 畳み込み層 （1998 LeNet) 全結合層 0～9
7. ＳＯＮＹのＮＮＣ（Neural Network Console） ・ＣＮＮで画像分類 ネットワークの作成
8. 学習
9. 評価
10. 製造現場での利用 ・学習済みモデルをPython、C++でも利用可能 （機械に実装する時に必要） import nnabla as nn from nnabla.utils import nnp_graph nnp=nnp_graph.NnpLoader('results.nnp') graph=nnp.get_network('MainRuntime',batch_size=1) x=list(graph.inputs.values())[0] •y=list(graph.outputs.values())[0] from nnabla.utils.image_utils import imread img=imread('7.png') x.d=img.reshape(1,1,28,28)*1.0/255 y.forward() print(y.d)
11. 値を予測するPrediction One ・AI×ビッグデータで値を予測 製造業：機器の故障予測で点検の効率化 出荷数予測により機会損失をなくす 小売・飲食業：売上を予測して余剰在庫を軽減 成約率を予測し効果的なアプローチ コールセンター業：オペレーターのシフト作成を簡単に カスタマーサポート：顧客ニーズを自動分類し傾向把握 不動産業：成約価格を予測し業務効率を向上 人事：社員や採用候補者の傾向を予測し適切な人事
12. Prediction One ・営業や総務に有効なツール https://predictionone.sony.biz/
13. まとめ ・プログラム無しでディープラーニングを使える ただし知識は必要 ・プログラム経験者にとって使いやすいか ある程度プログラム出来る人にとっては逆に使い辛い ただしサンプルが充実 ・プログラム未経験者に有効 周囲に仲間を増やすためのツール