TensorFlow on Android - Speaker Deck

Slide 1

Slide 1 text

TensorFlow on Android 日本Androidの会・東海大学1年古川新

Slide 2

Slide 2 text

古川新 Arata Furukawa http://ornew.net/ 東海大学理学部１年生 MaruLabo管理者日本Androidの会運営委員日本Androidの会学生部 © Arata Furukawa

Slide 3

Slide 3 text

DeepLearning

Slide 4

Slide 4 text

AlexNet © TensorFlow Tutorial “Image Recognition” https://www.tensorflow.org/versions/r0.11/tutorials/image_recognition/index.html

Slide 5

Slide 5 text

Google DeepDream © Alexander Mordvintsev https://github.com/tensorflow/tensorflow/blob/master/tensorflow/examples/tutorials/deepdream/deepdream.ipynb

Slide 6

Slide 6 text

Facebook DeepFace © Yaniv TaigmanMing YangMarc'Aurelio RanzatoLior Wolf /「DeepFace: Closing the Gap to Human-Level Performance in Face Verification」

Slide 7

Slide 7 text

Androidアプリで使いたい！ The Android robot is reproduced or modified from work created and shared by Google and used according to terms described in the Creative Commons 3.0 Attribution License.

Slide 8

Slide 8 text

学習と利用の非対称性

Slide 9

Slide 9 text

学習の演算コスト膨大な回数の反復学習が必要専用のハードウェアなどかなりの計算資源を使っても莫大な時間がかかる (上写真) 「AlphaGo の試合に用いられた Googleのディープラーニング専用サーバ」 Google Cloud Platform Japan Blogより引用 (右写真) 「Facebook’s open-sourcing of AI hardware is the start of the deep-learning revolution」より引用

Slide 10

Slide 10 text

人工知能は、筋肉と同じ

Slide 11

Slide 11 text

筋肉を鍛えるには、たくさんの時間とお金が必要です何回も何回もトレーニングして、少しずつ筋肉は強くなります

Slide 12

Slide 12 text

一方で、筋肉を使って動くのは簡単時間もお金もかかりません

Slide 13

Slide 13 text

利用の演算コスト反復実行も、誤差評価も、逆伝搬もしない →桁違いにコストは少ない

Slide 14

Slide 14 text

現実的な演算コスト学習 > 利用

Slide 15

Slide 15 text

学習済みモデルを利用するだけならモバイルで動きます

Slide 16

Slide 16 text

TensorFlow

Slide 17

Slide 17 text

データフローグラフ型汎用数値演算ライブラリ TensorFlow 抽象的でスケーラビリティかつポータビリティな、非同期並列に実行可能な数値演算の仕組みを実現するライブラリ。

Slide 18

Slide 18 text

TensorFlow Graph あらゆる演算は、データフローを向きとした有向グラフで表現されます。 y = 2x x mul y 2

Slide 19

Slide 19 text

Deep Neural Networks ディープニューラルネットワーク(DNN)は Tensor(スカラ・ベクトル等)に対する巨大な演算として表現されます。 DNNはTensorFlowグラフとして表現することができます。つまり、TensorFlowでDeepLearningができます。

Slide 20

Slide 20 text

No content

Slide 21

Slide 21 text

TensorFlowを使ったリバーシAI Androidアプリ ABC 2016 Autumnで公開予定！

Slide 22

Slide 22 text

Android Firebase プレイデータを自動送信 AIが定期的に自動更新される TensorFlow

Slide 23

Slide 23 text

Firebase Realtime Database Run TensorFlow Data Server C++ Java Protocol Buffers JNI Reversi お寿司リバーシの構成：Androidアプリ側 HTTPS Android App

Slide 24

Slide 24 text

Javaとの連携 TensorFlowはJavaをサポートしていないため Android Native Development Kit (NDK)か Java Native Interface (JNI)を使うことになります。お寿司では、JNIを使っています。

Slide 25

Slide 25 text

TensorFlowのビルド・実行 Android向けにTensorFlowバイナリをBazelでクロスコンパイルします。ドキュメントは一切ないので、 Issueで情報を集めて試行錯誤するか、中の人に聞くかです。作った動的ライブラリをJavaでロードし、ネイティブコードを実行します。

Slide 26

Slide 26 text

Serialize TensorFlow Graphは Protocol Buffers形式でシリアライズできます。 y = 2x x mul y 2 graph.pb

Slide 27

Slide 27 text

関数としてのTensorFlow Graph TensoFlow Graphは、演算の集合を、データフローを向きとするグラフで表現したものですので、入力と出力があります。よって、グラフそのものを関数と考えても差し支えありません。

Slide 28

Slide 28 text

画像データ？？？文字データ 5041 Function? F(x) -> y TensorFlow Graph

Slide 29

Slide 29 text

Black Box 関数として考えたならば、入力と出力の形状さえ一致していれば、このグラフの処理がなんであろうと関係ありません。グラフを差し替えたとしても、形状が一致すればユーザコードをアップデートする必要はありません。

Slide 30

Slide 30 text

True Portability! グラフファイルを差し替えるだけで処理をすり替えられるため、お寿司AIの更新はグラフファイルをサーバからダウンロードするだけであり、可搬性が非常に高いです。

Slide 31

Slide 31 text

新しいアプリ開発の形？ニューラルネットワークは処理能力に乏しいモバイルプラットフォームでも利用できます。 Deep Learningは、モデルさえあれば一般的なアプリに組み込むことが可能な段階にあります。

Slide 32

Slide 32 text

「DeepLearningはお金のある大企業や大学のやること」今やそんなことはありません。既にユーザレベルは個人にまで広がっており、一般のモバイルアプリケーションに組み込むことも可能なレベルに技術は達しています。

Slide 33

Slide 33 text

DeepLearningを使うことで、今までにない機能をモバイルアプリケーションに組み込むことができるかもしれません。新しいユーザエクスペリエンスが誕生し、 ITの新しい市場となるかもしれません。その可能性をDeepLearningは十分に秘めていて、その先駆者となる可能性はまだ私達にもあるのです。

Slide 34

Slide 34 text

DeepLearningを学びたい学生のための仮想研究室

Slide 35

Slide 35 text

登録はマルラボ公式サイトから! https://marulabo.net/ マルラボの取り組み DeepLearningを使った研究に必要なマシンがない！勉強したいが、なにを学べばいいかわからない！最先端の研究者・技術者と交流したい！ MaruLaboが学生に無償で提供します！

Slide 36

Slide 36 text

DeepLearningに特化した超火力マシンが2台！ ① NVIDIA Tesla M40 4枚挿し　ASKさん、NVIDIAさんからの寄贈品です ② GeForce GTX TITAN X 4枚挿し　さくらインターネットさんからの寄贈品です

Slide 37

Slide 37 text

孫泰蔵さんからも寄贈予定！近日中に、孫泰蔵さんからも同等以上の性能のマシンを寄贈していただけることになっています！このように、MaruLaboは多くの企業や個人の方々にご支援いただき運営しております！

Slide 38

Slide 38 text

多くのフレームワークがセットアップ済み！ TensorFlow、Caffe、Torch、CNTKなど、多くのフレームワークをセットアップしてあります。セットアップのための技術や知識が要らないため、 DeepLearningへの敷居がグッと下がります。特にTensorFlowはGPU性能を最大限に引き出すために、私がCUDA 8.0とcuDNN 5.1用にソースコードからカスタムビルドしてあります。

Slide 39

Slide 39 text

登録はマルラボ公式サイトから! https://marulabo.net/ オンライン勉強会も予定中！初心者の学生向けに、MaruLaboメンバ限定でオンライン勉強会を開催予定です！

Slide 40

Slide 40 text

マシンの寄贈のお願いどんなに優秀であっても、今の日本の学生には DeepLearningの開発・学習のための環境がありません。未来を担う学生の育成・研究のため、ぜひご協力をお願いします。お問い合わせは、公式サイトからお願いします。 https://marulabo.net/

Slide 41

Slide 41 text

ご清聴ありがとうございました facebookやってます何かあればこちらまで古川新 https://www.facebook.com/old.r.new