TorchStudio:PyTorchのための統合開発環境とエコシステム

PyTorch専用IDE(統合開発環境)のTorchStudioがオープンベータで公開されている↓

TorchStudio

数クリックでAIモデルのブラウジング、学習、比較ができ、必要であればコーディングも可能です。

Connected
オフライン・オンライン問わず、数千のデータセットやモデルをブラウジング、ロードできます。 ローカルでもリモートでもモデルの構築と学習ができます。

Visual
データセットを探索、分析、再フォーマットできます。モデルを可視化してデバッグできます。学習をを監視して比較できます。

Flexible
データセット、モデル、アナライザー、損失関数、メトリックなどのモジュールの追加・編集できます。全てデータとパラメーターを互換性のある形式で保存できます。

TorchStudioはWindows, Mac, Ubuntuに対応しており、各プラットフォーム用のインストーラーが配布されている。
リポジトリはGitHubで公開されている↓
https://github.com/TorchStudio/torchstudio

言われてみれば確かに、機械学習においてコーディング自体はそこまで重要じゃない。
どちらかというと、データセットがどんな構成か、学習中に何が起こっているのか、学習済みモデルがどんな性質になったかを確かめるために、探索的にコードを書かざるを得ないだけだ。
機械学習でのコーディングの目的を考えると、やっていることはプログラム開発というよりデバッグに近い。
機械学習の環境に必要なのは可視化・分析機能だ。IDEで言うところのデバッグツールに相当する機能。

追記:各IDE向けのExtensionの配布もはじまった。対応するIDEは、VSCode, PyCharm, Spyder, Sublime。


スポンサーリンク


公式チュートリアルGet Startedをやってみよう↓

Get Started

TorchStudioをインストールしてデータセットを読み込み、モデルを訓練して学習結果を保存する。

TorchStudioのインストール

ご自分の環境に対応したインストーラーをダウンロードしてください:Download

インストーラーを実行し、インストールが完了したらTorchStudioを起動してInstallをクリックしてコンピューターにローカルのPyTorch環境をインストールします。


MNISTデータセットの読み込み・分析

最初にDatasetタブが表示されます。

torchvision.datasetsカテゴリーを選択し、MNISTデータセットを選択してください。このデータセットは、手書きの数字とそれに対応する解釈で構成されています。



次に、Loadをクリックしてください。このデータセットがまだコンピューターに無い場合は自動的にダウンロードされます。

データセットが読み込まれると、このデータセットを探索できるようになります。(他のサンプルを表示するには、Sample 0の値を変更してください)

Optionally click Analyze to produce an analysis report of this dataset.
必要に応じて、Analyzeをクリックしてこのデータセットの分析レポートを作成できます。



スポンサーリンク

MNIST分類モデルを構築して学習する

Click the plus button at the top, next to the Dataset tab. This will create your first model.
上部のDatasetタブの横にあるボタンをクリックしてください。これで最初のモデルが作成されます。

torchstudio.modelsカテゴリーとMNISTClassifierモデルを選択してください。



次に、Buildをクリックしてください。このデータセットがまだコンピューターに無い場合は自動的にダウンロードされます。

モデルが構築されると、そのモデルのGraph表現(上部の入力から下部の出力まで、内部でノードがどのように接続されているか)を確認できます。



この段階では、AIモデルがまだ手書きの数字を正しく解釈できないことに注意してください。Input画面に5が表示されていますが、Output画面には全ての解釈についてほぼ等しい確率が表示されています。

それでは、Trainをクリックしてモデルの学習を開始しましょう。

数分後、Metricプロットが増加するのがわかるはずです。(右下のパネル) これはモデルが適切に学習されており、より正確な解釈が行われていることを意味します。また、Input画面の手書きの数字がOutput画面で正しく解釈されているのが確認できるはずです。



これで全て完了です! 最初のAIモデルを学習できました。

学習結果の保存

Stop Trainingをクリックして > Save Projectをクリックしてプロジェクトを保存するか、 > Export Model…をクリックして学習済みモデルをエクスポートできます。(TorchScriptまたはONNX形式のいずれかを選択してください)



スポンサーリンク

関連記事

OpenCVでPhotoshopのプラグイン開発
PyTorch3D:3Dコンピュータービジョンライブラリ
Autodesk Mementoでゴジラを3次元復元する
iPhone・iPod touchで動作する知育ロボット『ROMO』
HD画質の無駄遣い
TeleSculptor:空撮動画からPhotogrammetryするツール
FCN (Fully Convolutional Network):ディープラーニングによるSema...
C#で使える遺伝的アルゴリズムライブラリ『GeneticSharp』
書籍『伝わる イラスト思考』読了
Google App EngineでWordPress
Leap MotionでMaya上のオブジェクトを操作できるプラグイン
WordPressのテーマを自作する
今年もSSII
Math Inspector:科学計算向けビジュアルプログラミングツール
バージョン管理の履歴を可視化するツール『Gource』
統計的な顔モデル
PyMC:Pythonのベイズ統計ライブラリ
組み込み向けのWindows OS 『Windows Embedded』
網元AMIで作ったWordpressサイトのインスタンスをt1microからt2microへ移行した
機械学習での「回帰」とは?
OpenCV バージョン4がリリースされた!
フィクションに登場するUIデザインのまとめサイト
OpenMesh:オープンソースの3Dメッシュデータライブラリ
Verilog HDL
CGレンダラ研究開発のためのフレームワーク『Lightmetrica (ライトメトリカ)』
Boost オープンソースライブラリ
サンプルコードにも間違いはある?
SONY製のニューラルネットワークライブラリ『NNabla』
定数
プログラミングスキルとは何か?
WinSCP
Regard3D:オープンソースのStructure from Motionツール
2D→3D復元技術で使われる用語まとめ
書籍『ゼロから作るDeep Learning』で自分なりに学ぶ
Python.NET:Pythonと.NETを連携させるパッケージ
畳み込みニューラルネットワーク (CNN: Convolutional Neural Network...
MLDemos:機械学習について理解するための可視化ツール
Mechanizeで要認証Webサイトをスクレイピング
『手を動かしながら学ぶエンジニアのためのデータサイエンス』ハンズオンセミナーに行ってきた
AmazonEC2のインスタンスをt1.microからt2.microへ移行する
Mitsuba 3:オープンソースの研究向けレンダラ
SVM (Support Vector Machine)

コメント