『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

PR

TensorFlowによる深層学習を試す

最初は、Googleが中心となって開発し、オープンソースソフトウェアとして公開されている機械学習ライブラリである「TensorFlow」 で「MNIST」の手書き文字認識のサンプルを実行してみよう。

以下は、実際にDeepLearning BOXを使ってMNIST For ML Beginnersを実行した様子である。

『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
MNIST For ML Beginners

「MNIST For ML Beginners」は、Softmax回帰という関数※を用いた手書き文字認識のチュートリアルとなっており、この段階では精度がおよそ89.97%程度となっていることがわかる。

※ニューラルネットワークの計算に使われる、あるベクトルの各要素の和が1になる、もしくは全要素の和が0~1になる関数。

続けて、「Deep MNIST for Experts」を実行した様子は、以下の通りである。

『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
Deep MNIST for Experts

トレーニングを重ねる都度、精度が向上しており、平均99.2%まで精度を上げることができるようになった。

Cognitive Toolkit (CNTK)による深層学習を試す

次はMicrosoftが開発しているOSSの深層学習フレームワークである「Cognitive Toolkit(CNTK)」で「MNIST」の手書き文字認識のサンプルを実行してみよう。

CNTKは、GPUを活用した並列処理を得意としているライブラリで、深層学習で多く利用されるプログラミング言語Pythonに加えて、C#, C++, Javaなどからも利用できるところが特徴だ。

CNTKのチュートリアルはGitHub上に公開されており、チュートリアルのなかの103シリーズからが「MNIST」を用いた内容となっている。

以下は、CNTKのチュートリアル「畳み込みニューラルネットワークによるMNISTの文字認識」を実行した様子である。

『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
CNTK 103: Part D – Convolutional Neural Network with MNIST

「DLスタートアップサポート」もあり

このように、初学者の筆者であっても、簡単にディープラーニングを試すことができた。

他にも経験豊富なスタッフによるサポートが受けられる「DLスタートアップサポート」などのサービスも用意されており、これから深層学習を利用したいと考えているのであれば、これらのサービスも心強い味方となってくれるだろう。

                     ***

次回は、DeepLearning BOXのLinux版を使って、どのように深層学習を行なえるかレビューしたい。

【関連リンク】
『DeepLearning BOX』ではじめるディープラーニング② DIGITS + Caffeで画像認識
株式会社GDEPアドバンス