これマジか!
Facebookがディープラーニングツールの一部をオープンソース化
機械学習の世界では今、”deep learning”(ディープラーニング, 深層学習)という言葉が流行っている。
(中略)
Facebookも、この分野にかなりの貢献をしていて、今日(米国時間1/16)同社は、機械学習のためのコンピューティングフレームワークTorch7プロジェクトの一部をオープンソースにする。Torchはこれまでも、大学の研究室や、Google、Twitter、Intelなどの企業で機械学習や人工知能のプロジェクトの中核として利用されてきた。Facebookは今日、Torchを使っているディープラーニングプロジェクトを高速化するために最適化されている一連のツールを、ローンチする。たとえばその一つは、複数のGPUを同時に動かして学習ネットワーク(神経ネットワーク)の教育訓練を並列化する。また、今入手できる最速のコードの23倍速く、多くのディープラーニングシステムの中核であるconvolutional neural nets(畳み込みニューラルネット)を教育訓練できるツールもある。
さらにFacebookがローンチするツールの中には、Torchのそのほかの部分を高速化するものもある。それらの多くはデフォルトのツールの3倍から10倍速いそうだ。
詳しい技術情報に興味のある方は、ここへどうぞ。
FacebookのDeep Learningといえば、顔認識のDeepFaceってやつが有名だけど、関連してるのかな。
さて、このTorchって何だろうと思って少し調べてみた。
Torch | A Scientific computing framework for LuaJIT
Torchとは?
Torchは、機械学習アルゴリズムを幅広くサポートする科学計算フレームワークです。簡単かつ高速なスクリプト言語「LuaJIT」と、C/CUDAをベースとした実装により、使いやすくて効率的です。
コア機能の概要:
- 強力なN次元配列
- インデックス作成、スライシング、転移などに対応した多くのルーチン
- LuaJITによるC言語への素晴らしいインターフェイス
- 線形代数ルーチン
- ニューラルネットワーク、およびエネルギーベースのモデル
- 数値最適化ルーチン
- 高速かつ効率的なGPUのサポート
- iOS、Android、FPGAのバックエンドへのポートの組み込み
なぜTorchか?
Torchの目標は、あなたが科学的アルゴリズムを構築する際に、プロセスを非常にシンプルな作りに保ちつつ、最大限の柔軟性とスピードを得られるようにすることです。Torchには、コンピュータビジョン、信号処理、並列処理、画像、ビデオ、オーディオ、通信ネットワークなど、機械学習におけるコミュニティ主導型パッケージの巨大なエコシステムが付属し、Luaのコミュニティの上で構築されています。
Torchの心臓部は、使い方が簡単で人気のあるニューラルネットワークと最適化ライブラリで、複雑な神経回路網トポロジを実装する際に最大限の柔軟性を有しています。あなたは、ニューラルネットワークの任意のグラフを構築することができ、かつそれらをCPUとGPU上で効率的に並列化することができます。Torchを使用する
入門ガイドを見ながらダウンロードしてTorchを自分の手で試してみましょう。Torchはオープンソースであるため、GitHubのリポジトリ上のソースコードから開始することもできます。
Torchは常に進化しています:
すでにTorchはFacebook、Google、Twitter、NYU、IDIAP、パデュー大学やその他の企業、研究室で使用されています。
どうやらLuaJITというスクリプト言語があって、こいつはC言語への組み込みを想定したスクリプト言語らしい。
関連記事
Netron:機械学習モデルを可視化するツール
hloc:SuperGlueで精度を向上させたSfM・Vis...
ポイントクラウドコンソーシアム
Kinect for Windows v2の日本価格決定
PyTorch3D:3Dコンピュータービジョンライブラリ
機械学習のオープンソースソフトウェアフォーラム『mloss(...
透明標本
ストレングス・ファインダー
HaskellのAPI検索サイト 『Hoogle』
PowerPointによるプレゼン
CLO:服飾デザインツール
pythonの機械学習ライブラリ『scikit-learn』
OpenCVで顔のランドマークを検出する『Facemark ...
OpenMVS:Multi-View Stereoによる3次...
Caffe:読みやすくて高速なディープラーニングのフレームワ...
Raspberry Pi
海外ドラマのChromaKey
ゴジラのスマホゲーム『Godzilla: Strike Zo...
タマムシ
ベイズ推定とグラフィカルモデル
SONY製のニューラルネットワークライブラリ『NNabla』
ミニ四駆のラジコン化情報
OpenMVSのサンプルを動かしてみる
PyDataTokyo主催のDeep Learning勉強会
TorchStudio:PyTorchのための統合開発環境と...
Kaolin:3Dディープラーニング用のPyTorchライブ...
CEDEC 2日目
DUSt3R:3Dコンピュータービジョンの基盤モデル
Blendify:コンピュータービジョン向けBlenderラ...
SDカードサイズのコンピューター『Intel Edison』
viser:Pythonで使える3D可視化ライブラリ
第1回 3D勉強会@関東『SLAMチュートリアル大会』
OpenCVでiPhone6sのカメラをキャリブレーションす...
ミニ四駆を改造してBluetoothラジコン化する
MeshroomでPhotogrammetry
BlenderProc:Blenderで機械学習用の画像デー...
Deep Learningとその他の機械学習手法の性能比較
DTCP-IP対応のDLNAクライアントアプリ『Media ...
続・ディープラーニングの資料
インターフェイスは世界を規定する
HOKUSAI:ANOTHER STORY in TOKYO
ミステリー・コメディドラマ『名探偵モンク』
コメント