[新製品・サービス]

OSSの深層学習フレームワーク「Chainer」新版で学習時のメモリー使用効率などを改善─PFN

2017年6月5日(月)IT Leaders編集部

Preferred Networks(PFN)は、OSS(Open Source Software)のDeep Learning(深層学習)フレームワーク「Chainer」のメジャーアップデート版となる「同v2」をリリースした。学習時のメモリー使用効率の改善などを図っている。

 Chainerは、Pythonベースのディープラーニング向けフレームワーク。ユーザーが簡単かつ直感的に複雑なニューラルネットワークを設計でき、学習させるための高い柔軟性と性能を備えている。

 Chainerでは、最新のDeep Learning研究の成果を迅速に取り入れ、ChainerMN(分散深層学習)・ChainerRL(強化学習)・ChainerCV(コンピュータービジョン)などの追加パッケージを開発している。
※編集部より:上記について当初、v2の特徴としていましたが、正しくはv1から備わる特徴であり、修正を行いました(2017/06/05 19:35)

 新バージョンのv2では、大きく3つの機能強化・改善を実施した。まずは、学習速度を犠牲にせずに、メモリー使用量を削減した。より大きなネットワーク設計も容易になったほか、従来のネットワークでも、より大きなバッチサイズでの学習が可能になる。

 次に、汎用配列計算ライブラリ「CuPy」を分離した。CuPyは、科学技術計算の分野で多用されるライブラリ「NumPy」と高い互換性を持ち、NumPyで記述されたコードをほとんど変更せずにGPUを使って高速に実行できる。Cupyを独立したライブラリとして開発することで、深層学習以外の分野の研究・開発にも適用できるようになった。

 また、不要なオプションの削除やインタフェースの整理を行い、より洗練されたAPIに改善が図られた。これにより、複雑なニューラルネットワークをプログラムとして、直感的に記述できるようになり、意図しないバグの埋め込みが起きにくくなっている。

関連キーワード

Preferred Networks / ディープラーニング / GPU / データサイエンス / アナリティクス / Python

関連記事

トピックス

[Sponsored]

OSSの深層学習フレームワーク「Chainer」新版で学習時のメモリー使用効率などを改善─PFNPreferred Networks(PFN)は、OSS(Open Source Software)のDeep Learning(深層学習)フレームワーク「Chainer」のメジャーアップデート版となる「同v2」をリリースした。学習時のメモリー使用効率の改善などを図っている。

PAGE TOP