[レポート] TensorFlow User Group #1 が開催されました

2016.10.14

この記事は公開されてから1年以上経過しています。情報が古い可能性がありますので、ご注意ください。

はじめに

先日 2016/10/12 六本木Googleオフィスにて TensorFlow User Group #1 が開催されました。本記事はそのレポートになります。オープニングは19:00でしたが、少し遅れての会場入りとなり、始めの方のメモが欠けていますがご容赦ください。

当日の動画

TensorFlow Tutorial

スライドのPDF(Github)

Google Inc, Greg氏

遅れての会場入りのため、メモは割愛いたします

来栖川電算における機械学習活用事例

[slideshare id=67052999&doc=tfug20161012-161012095030]

有限会社来栖川電算 山口陽平氏

毎朝体操とは

  • 社員教育の一環として始めた
  • スマホを持ってラジを体操すると
  • 消費者と企業を体操でつなぐ
  • 150000DL突破
  • 知名度上昇中

体操の採点

  • 簡単そうで難しい
  • たくさんのユーザーに納得感が高いスコアを提供したい
  • 運営費を安くしたい(スマホの中でアルゴリズム動かしたい)

機器の制約

  • 機器を統一できない
  • 使えないセンサがある
  • 使えたとしても
    • 低い解像度
    • 低い周波数
    • バグ
    • 省電力モードでは測れない

遊び方の制約

  • 装着の個人差
  • 動作の個人差
  • 千差万別

深層学習前にひねり出した方式

  • 分類タスクへの還元
  • 網羅的なデータ収集
    • 教師データ = 音楽の再生開始からの秒数
    • 外れ値の除外
  • リアルタイムな分類
    • 古いスマホでも動作する軽微な実装がいる
    • 体操後に即時採点

深層学習の導入

  • 旧手法の複雑さを参考にDNNを設計(旧手法からの移行でなにか参考にした論文等あれば知りたい)
  • ネットワークのアーキテクチャ設計で大きく性能が変わる
  • 小規模実験の結果、旧手法の方が性能がよかった、しかも訓練時間も旧手法の方がずっと短い
  • 75%くらいでそこそこのユーザ体験が実現できる
  • 実験規模を大きくすると精度は上がった
  • パラメータ数を増やすと深層学習が圧倒的に有利に
  • ただし賢くなるとスマホでは動かない

tensorflow Manager

  • ようはめちゃめちゃたくさんの実験を楽に管理する環境
  • 自社用にとにかく早く欲しかった
  • 敷地から出せないお客さまがいる

tensorflow compiler

  • Tensorflowで学習したDNNを効率的な実装へ変換
  • 古いスマホでも軽快に動く実装が欲しかった
  • 近似すれば従来手法に匹敵する軽さで賢い推論器を得られる
  • NNは空間効率や計算効率があまりよくない
  • 動画処理の場合についての分析は速さの改善だけで得られるメリットが大きい

まとめ

  • TensorFlowは使いやすかった
  • ツール周辺も充実

ドローン空撮画像の機械学習による自動処理

スライド公開され次第リンク等を貼ります。

エアロセンス株式会社 小早川知昭氏

会社紹介

  • ドローンの産業用ソリューション提供
  • ドローンに関わるサービスを全て内製
  • フライトプランを作ると自動で空撮してくれる
  • ある時点での3Dデータと合わせて3D地図も提供可能

業務用オリジナル地図

  • GCPを用いて地図タイルを作成
  • 事例:南三陸の測量
  • 広大なエリアを最大誤差10cm以下で3Dモデル化
  • VTOLで輸送もやってます

設備管理を機械学習で効率化

  • 資材管理
  • 破損点検

手法の詳細

  • オルソ画像を分割
  • 物体の写っているかもしれない領域候補を抽出
  • 一旦作成した正解画像、不正解画像からInception-v3を用いて2048次元の特徴量を抽出
  • 得られた特徴量をSVMで学習
  • 教師データ100台でわりと精度がいい

まとめ

  • ドローンによる空撮画像の認識が既存のモデルで提供されていない
  • 学習データが少ない場合だったのでInception-v3での特徴量抽出にたよった

二値化CNNなDQNをFPGAで動かしてみた

[slideshare id=67078839&doc=tensorflowusergroup2016v1-161012163053]

東京工業大学 准教授 中原啓貴氏

FPGA

  • 安い値段でチップを起こさずに独自の回路を構築できる
  • FPGAを用いて電波解析
  • TensorFlowの対象にもFPGA入れて欲しい
  • 現場で書き換えのできる論理ゲートの集合体
  • iPhoneにもFPGAが使われている

FPGAは大変

  • LUTで論理ゲートを再現
  • DeepLearningによく用いられるような行列の積、加算はHDLで書くには大変
  • データパスをハードウェアに書く
  • MAC演算機を使いまわす
  • その煩雑さによってハードウェアの設計は大変

HLS(C/C++)による自動化

  • 高位合成のフローを勝手にやってくれる
  • CNNはfor文のお化け、それはHLSの得意とするところ
  • Altera SDK for OpenCLで自動でかなりいい回路を吐くようになった

なぜTensorFlowか

  • 他のライブラリとの互換性
  • クラウドで動く

二値化CNN on FPGA

  • 消費電力効率はいいし、性能もいい回路ができあがる
  • Epoch1回でそれなりに認識精度が高い

DQN on FPGA

  • AtariのPongをゲームするDQN
  • FPGAボード向けのプラットフォームを開発中
  • HDLも書かなくていいし、Cも書かなくていい
  • 二値化CNNはメモリ帯域が圧縮できる

最後に

  • FPGAを学びたい人におすすめの書籍あります。

おわりに

TensorFlow関係の勉強会に参加するようになって久しいですが、今回はテレビ局の取材もあったようで、普段の勉強会とは少し違った雰囲気でした。TensorFlowの応用例の中でもテーマのネタ被りが少なく、分量的にも集中力を保ったまま聞く事ができる会だったと思います。