私的AI研究会 > AI・機械学習 調査メモ
AI・機械学習 調査メモ †
よく使われる用語などを調べた結果を覚書として残しておく。
AI・機械学習の学習コンテンツ †
概要(第1回)がよくまとまっていてわかりやすい
→ 演習のスタート
エッジコンピューティングについて †
人工知能・機械学習の開発で使うライブラリ †
よく使われるライブラリ †
- 「Chainer」
https://chainer.org/
日本発のディープラーニング用フレームワークで、国内でも多くの企業が採用。Preferred Networks社という日本企業が開発したため日本語での解説もある。RNN(リカレント・ニューラル・ネットワーク)が記述がしやすいので、時系列パターンを扱うような自然言語処理や音声処理などによく使われてる。
- 「Caffe2」https://caffe2.ai/
Facebookが主導して開発を行っているフレームワーク。NVIDIAとも共同で開発をすすめ、GPUの特性を最大限に引き出し、モバイルなどで要求される高速な処理と高度な学習と推論を実現できるように設計されていて、ソフトとハード両面から最高のパフォーマンスを実現しようとしている。Facebbokの自動翻訳などにも採用されている。
- 「Keras」https://keras.io/
初心者が人工知能を学ぶときにおすすめ。ディープラーニングに関する専門的な知識やプログラミングの知識がなくても簡単にコードが書けるようになっていて、比較的短いソースコードで記述できる特徴がある。機械学習分野のアルゴリズムを多く実装していて、TensorFlowやTheano、CNTKなどのライブラリをバックエンドに選択可能。日本語ドキュメントも多くある。
- 「TensorFlow」https://www.tensorflow.org/?hl=ja
Googleが主導して開発がすすめられている最も有名なオープンソースライブラリ。多くのOSに対応していて、AndroidやiOS、ラズベリーパイなどにも対応。コードを書くためにはある程度のディープラーニングの知識が必要。小規模から大規模なシステムまで多くの企業に採用されてる。
Pythonで使える人工知能ライブラリ †
- 「Jubatus」http://jubat.us/ja/
Preferred NetworksとNTTソフトウェアイノベーションセンタが共同で開発した日本発の機械学習向け分散処理フレームワーク。
- 「MXNet」http://mxnet.incubator.apache.org/
アマゾンが提供しているクラウドサービスAWSで公式サポートされているディープラーニングのフレームワーク。ワシントン大学とカーネギーメロン大学によって開発され、Apache Softwareが供給している。Python C++のほかにもMATLAB, Javascriptなどもサポート。
参考資料 †