【レポート】【Preferred Networks 様ご登壇事例】ディープラーニングが変える未来|PFN の事業戦略と Chainer on AWS #AWSSummit

AWS Summit Tokyo 2018「【Preferred Networks 様ご登壇事例】ディープラーニングが変える未来|PFN の事業戦略と Chainer on AWS」のセッションレポートです。セション概要:本講演では Chainer の機能紹介とともに AWS での使用方法を紹介する。そしてPFNの事業戦略と最新事例について述べる。
2018.06.05

AWS Summit Tokyo 2018。Day3 で開催されたセッション「【Preferred Networks 様ご登壇事例】ディープラーニングが変える未来|PFN の事業戦略と Chainer on AWS」についてレポートします。

スピーカーは、比戸 将平さま(株式会社Preferred Networks VP of Research)です。

セッション概要は次のとおりです。

Chainer は Python 製の主要な深層学習フレームワークの一つである。ユーザーの要望を受けて公式 AMI が提供されるなど、AWS での利用も容易になってきており、本講演では Chainer の機能紹介とともに AWS での使用方法を紹介する。また、Preferred Networks は Chainer を用いて様々な産業アプリケーションを開発し、パートナーとの商用化を行っている。後半ではその事業戦略と最新事例について述べる。

レポート

PFNについて

  • PFIからスピンアウト
  • 国内150名+米国7名
  • 人口知能の産業応用

PFNの事業戦略とそれを支えるChainer

  • Chainer on AWS
    • ChainerをAWSで使える人を増やす
  • 層が深いニューラルネットワークによる機械学習手法、その応用
    • 深い:GoogleNetは22層、MSRAは152層
  • 2012年にブレークスルー
    • 画像認識、音声認識への応用が早かった
    • Deep Mind AlphaGoはDeep Learningベース
  • ImageNet(ILSVRC 2012)
    • 1000クラス分類
    • エラー率が26->16%に激減
    • 衝撃的な結果だった。画像認識の専門家ではないNN研究者の成果

現在の応用

  • 医療画像解析
    • 皮膚ガンの分類
    • リンパ節への転移の検出
    • ピクセル毎分類など、セグメンテーションの精度が高まっている
  • 自動運転
    • さまざまなセンサーを付ける
    • 多種センサー
    • 画像センサー
    • 認識だけではなく、プランニングや制御へ
      • 認識とプランニングは別に行う
      • 一気通貫で、NNで一気にステアリングを制御
  • 縁の下の力持ちとしてのディープラーニング
    • 本物なのか?
    • 確実に実社会への応用が始まっている
    • 過度な期待を集めすぎなければ健全な応用が広がるはず
  • 普及したAIは、AIとは呼ばれない。機能だけが残る
    • eg リコメンド
    • Echoなどのスマートスピーカー

ビデオ紹介: IPRA: Best Paper Award

  • ロボットが音声指示でものを移動させる
  • ティッシュボックス=白と青い箱
  • オレンジの三角=おにぎりケース
  • クラウドソーシングで学習データ作成

PFNの事業戦略とChainer

  • Google/Facebookは、個人向けクラウドベースが対象
  • 一方PFNは、Industorial IoTにフォーカス
  • 医療分野
    • MRI 画像ではなく3次元情報として扱う
    • 治療履歴、ゲノム情報を合わせてマルチモーダル
  • 製造業
    • 射出成形機の制御に応用
    • 外観検査:弱い情報だけを与えて学習が可能に
  • PaintsChainer
    • 線画に自動着色
    • かんな
    • 自動着色マンガ配信

Chainer

  • 上記の応用すべてでChainerを使っている
    • 試行錯誤が容易
    • 簡潔にやりたいことができる
  • 分野特化型のライブラリが充実
    • CuPy
    • ChainerMN
    • ChainerRL
    • ChainerCV
    • ChainerChemistory
    • ChainerUI
  • ChainerCV
    • 画像認識。すぐ試せる。ライトユーザ向け。
  • ChainerMN
    • P100 1024GPUで世界最高の性能を叩きだした
    • ImageNet 1024GPUで15分
  • 前半のまとめ
    • ディープラーニングの産業応用
    • それをとりまく周辺動向
    • 産業応用を支えるPFNの仕組み

Chainer on AWS

  • Chainer on AWS
    • ChainerはAWSと相性よくないでしょ? ←もはや誤解
  • Deep Learning AMIサポート
    • v4.0を搭載
  • ChainerNM v1.3 ダブルバッファリング
    • all-reduceの全対全通信が重い
    • ダブルバッファ:通信の遅延を隠蔽。ただし1セット古い勾配で学習
    • FP16を使用:通信量を半減
    • FP32+Infinibandと遜色無い性能を達成
  • ChainerNMのCloudFormationテンプレートを公開
    • githubで公開:chainer-cfn

Amazon SageMakerがChainerに対応

  • GPUインスタンスを指定してNotebookを立ち上げ利用可能
  • MPIなどのライブラリもすべて入っている
    • estimatorをインポート
    • いろんなパラメータを設定
    • estimator.fit()で学習Jobを実行
    • 学習済みモデルを予測に利用できる
    • estimator.deploy()で学習用とは別の予測インスタンスを作成
      • 予測はCPUでやってもまかなえることも多い
    • estimator.predict()で推論実行

エッジでの利用

  • Greengrassにprecompile済みのライブラリが入った
  • Deeplens, Raspi, Jetson TX2でChainerのモデルが動かせる

最後に

  • 7/3 SageMakerのハンズオンを開催予定
  • 引き続きクラウドユーザ向けの開発を進めていく

感想

以前、ChainerをGPUインスタンスで試したりしていましたが、晴れて公式対応となりました。

しかも、

  • Amazon SageMakerがChainerサポート
  • クラウド向けのチューニングがされたChainerMN
  • クラスタ構成向けのCloudFormationテンプレート
  • GreenGrassでエッジ対応

と至れり尽くせりです。試してみるネタに事欠きませんw

引き続きクラウド向けの開発がされていくとのことですので、これからはいつでも最新の環境をすぐに使えて、開発に専念できそうですね。

参考