『DeepLearning BOX』ではじめるディープラーニング①Windows 10で「TensorFlow」と「CNTK」を使ってみる

機械学習やディープラーニングにおいて、与えられたデータを使って、「画像」や「音声認識」「未来予測」などを行なうためには、これらの結果もたらすような数式やパラメータを見つけるために、膨大な演算を必要する。

たとえば、気温の予測を考えてみると、1年分の気温情報から明日の気温を推測するには、過去の気温がどのように上下していたかの情報を基に推測する。
このとき、推測の方法として、この気温情報を同じに上下を繰り返す関数の数式を想定する。関数は入力値、重み付け※などのパラメーターから数式を作成し、より現実に近い気温情報が算出できるよう調整する。
そして、実際の気温情報と比較しながら、これらの重み付け部分を調整することで精度を向上させ、その数式が算出する結果が正しいかの検証をする。

※重要度の応じて、たとえば5段階で数字をつけて、重要度を数値で表わすこと。

つまり、ざっくりとまとめると、以下のような手順となる。

1. 与えられるデータから未来を予測する数式を考える
2. 指定されたパラメータの善し悪しを判定する判定関数で検証
3. パラメータの善し悪しの判定を行なう

これらの手順を繰り返し行なうことで、より現実に近いモデルを探し出すことができる。
そして、この処理をするため、高い演算能力が重要となる。
GPUは、画像処理の際の計算に特化しているため、画像処理演算であれば、CPUの数倍から数百倍以上の性能であると言われている。

「DeepLearning BOX」は、高度なGPUをもつグラフィックボードを最大4枚まで同時搭載可能なため、並列演算できるフレームワークを使えれば、GPUの搭載数に応じた演算能力を発揮することができる。
もちろん、GPUほかにも、CPUにXeonプロセッサーを選択できたり、SSDを増やすなど、細かなカスタマイズも可能だ。
また、あらかじめ多くの深層学習フレームワークやサンプルのモデルなどがプリインストールされており、すぐに深層学習が始められることも、特徴のひとつである。

編集部

IoTに関する様々な情報を取材し、皆様にお届けいたします。