主要ディープラーニングフレームワークとして、「TensorFlow」「Theano」「Keras」「Torch」「Pytorch」「Caffe」「Chainer」について紹介。
主要ディープラーニングフレームワークとして、「TensorFlow」「Theano」「Keras」「Torch」「Pytorch」「Caffe」「Chainer」について紹介。
Tensorflowは、機械学習およびディープラーニングに対応しているフレームワークで、Googleが開発しオープンソースで公開している。
TensorFlowは、元々、テンソル(高次元配列)計算を扱うために開発されたライブラリであり、特にニューラルネットに関する関数が充実しているフレームワークとして利用できる。
基本的な計算処理も可能としており、世界中の多くの企業や研究者が利用しており、多くの利用実績がある。
TensorFlowは、汎用性が高いフレームワークであるため、さまざまな領域で活用できる。
・莫大な数値コンピューティング
・顔認証
・音声認証
・自動運転車
・バイオサイエンス など
Theanoは、多次元配列を含む数式を効率的に「定義」「最適化」「評価」できるPythonライブラリ。
特に、データ探索用途に適している。
Kerasは、TensorflowやTheano上で動作する高水準ニューラルネットワークライブラリ。
Kerasは、機械学習やディープラーニングの実装をサポートするソフトウェアとして機能するため、ニューラルネットワーク設計などの複雑な処理を簡潔に扱える。
そのため、機械学習やディープラーニングについて学習する初心者でも実装できるくらい使いやすいフレームワークとなっている。
Kerasは、層を積み重ねていくだけで実装でき、簡易記述で計算グラフを構築できるが、裏の処理としてTensorFlowが動作している。
そのため、本格的なディープラーニング機能を利用するためには、TensorFlowを理解していることが必要となるケースもある。
Torchは、GPU指向の科学コンピューティングフレームワーク。
GPU動作を第一に考えた機械学習アルゴリズムを幅広くサポートしている。
PytorchはFacebookが主導して開発したディープラーニングフレームワーク。
柔軟にニューラルネットワークを記述できる。
PyTorchはさまざまな長さの入出力データを処理できる動的計算グラフを提供しており、再帰型ニューラルネットワーク構築をサポートする。
Pytorchは、計算グラフ(ニューラルネット構造)を構築する際の手法として「Define by Run」を採用している。
Caffeは、広く一般に使用されているマシンビジョンライブラリ。
Matlab実装の畳み込みネットワークをCおよびC++で移植したもの。
Caffeは畳み込みネットワークを使用した画像分類処理に強みを有している。
Chainerは日本製のオープンソースニューラルネットワークフレームワーク。
「バックプロパゲーションに必要なデータ構造をプログラムの実行時に動的生成」という特徴があり、主に複雑なニューラルネットワークの構築を必要とする深層学習用途で用いられる。
Chainerは、東京を拠点とする機械学習のスタートアップ「Preferred Networks」を中心として開発が進められており、多くの東京大学のエンジニアが携わっている。
参考元サイト
※定期的にメンテナンスを実施しておりますが、一部情報が古い場合がございます。ご了承ください。
「ディープラーニングでビジネスチャンスをつかむために必要なことは何か？」について、日本ディープラーニング協会理事長である東京大学の松尾豊特任准教授は、「やったもの勝ちだ」「必要なのは行動するための知識」であると提言する。 【解説テーマ】 ・薄く広くでは負けてしまう ・やったもの勝ち！高校生もできる
2021/03/04 セキュリティDAYS Keyspider資料
本資料を見るには次の画面でアンケートに回答していただく必要があります。
Analytics News ACCESS RANKING
