タグ検索の該当結果が少ないため、タイトル検索結果を表示しています。
Chainer を振り返って
2015 年 4 月 12 日に Chainer の最初のコードをコミットしてから，およそ 4 年半と少しが経ちました．はじめのはじめは軽い気持ちで書きはじめたコードでしたが，今では一線級の研究を立派に支えるまでになりました．深層学習フレームワークの世界も当時とは様変わりして（当時は TensorFlow も PyTorch もなかったわけですから，本当に変わりました），思えば遠くにきたものです． 今日，PFN は社内の研究開発に用いる主なフレームワークを PyTorch に移行すると発表しました．会社にとってももちろんですが，業務としてはこの 4 年半，Chainer 一筋でやってきた自分にとっては特に，大きな転換点です． まず率直な感想として，Chainer の開発は本当に楽しかったです．書きはじめた頃は，深層学習フレームワーク競争の真っ只中で，Theano の上に乗っかるフレームワー
自社のディープラーニング（深層学習）フレームワークである「Chainer」の新機能開発を終了し、米フェイスブック（Facebook）が開発する「PyTorch」に移行すると発表したPreferred Networks（PFN）。その決断の背景を詳しく見ていこう。 Chainer開発の責任者であるPFNの秋葉拓哉執行役員は、「PyTorchという非常に優れたフレームワークを使うメリットと、Chainerを使い続けるメリットとを比較した結果、PyTorchに移行すべきだと決断した」と説明する。「PyTorchは先進的なフレームワークで、機能や実行速度も優れている。PyTorchを利用することで、PFNの研究開発もより加速する。ChainerからPyTorchへの移行コストが低いことも決断を容易にした」（同氏）。 これだけ聞くと「国産深層学習フレームワークであるChainerが、フェイスブックと
Chainer/CuPy v7のリリースと今後の開発体制について By Chainer Team Dec 5, 2019 In Announcement Chainer/CuPy v7のリリース、およびChainerの開発体制の変更についてお知らせします。 Chainer/CuPy v7 本日、ChainerおよびCuPyのv7.0.0をリリースしました。変更点については各リリースノートをご覧ください。主要な変更点は以下の通りです。 Chainer v7 (alpha, beta1, beta2, beta3, beta4, rc1, major): ChainerMNを含む多くの機能がChainerXのndarrayに対応しました。 ONNX-ChainerがChainerに統合されました。 TabularDataset が追加されました。カラム指向のデータセットをpandasのような抽
アフレルとPreferred Networks、共同開発によるプログラミング教材 「実践！Chainerとロボットで学ぶディープラーニング」を公開 - 株式会社Preferred Networks
アフレルとPreferred Networks、共同開発によるプログラミング教材 「実践！Chainerとロボットで学ぶディープラーニング」を公開 株式会社アフレル（本社：福井県福井市、代表取締役社長：小林靖英、以下「アフレル」）と株式会社Preferred Networks（本社：東京都千代田区、代表取締役社長：西川徹、プリファードネットワークス、以下「PFN」）は、深層学習（ディープラーニング）技術の学習機会の提供および実務領域への活用促進を目的に、ロボットカーを動かしながら深層学習技術の基礎知識を学ぶことのできる、実践的なプログラミング教材「実践！Chainerとロボットで学ぶディープラーニング」を共同開発しました。 この教材は本日よりWEB (https://ai.afrel.co.jp/chainer.html) にて無料公開しています。 AIのビジネス活用が大きな注目を集める一
PFN、ディープラーニング（深層学習）フレームワーク新版「Chainer v6」を公開、C++版も統合 | IT Leaders
IT Leaders トップ ＞ テクノロジー一覧 ＞ AI ＞ 新製品・サービス ＞ PFN、ディープラーニング（深層学習）フレームワーク新版「Chainer v6」を公開、C++版も統合 AI AI記事一覧へ [新製品・サービス] PFN、ディープラーニング（深層学習）フレームワーク新版「Chainer v6」を公開、C++版も統合 2019年5月17日(金)日川 佳三（IT Leaders編集部） リスト Preferred Networks（PFN）は2019年5月16日、オープンソースのディープラーニング（深層学習）フレームワーク「Chainer（チェイナー）」と汎用配列計算ライブラリ「CuPy（クーパイ）」のメジャーアップデート版となる「v6」をリリースした。Chainer v6では、Chainer v5までのコードをほとんど変更することなくそのまま動作させられる。 Chain
自動着色サービス「PaintsChainer」が名称変更 ピクシブは「Chainer開発終了とは無関係」と説明
PaintsChainerは、線画のイラストをアップロードすると、AIが自動で色を付けてくれるサービス。17年1月にPFNが公開し、5月にピクシブのイラスト作成アプリ「pixiv Sketch」に導入された。両社は19年11月に協業を発表し、PaintsChainerを共同運営している。 名称変更の理由について、ピクシブは「新たなユーザーにも訴求していけるよう、ブランディングを新しくした」とコメント。新名称のPetalica Paintは、花びら（英語でPetal）をモチーフにしており、「花のように色とりどりの創作が集まる場所を提供したい」との思いを込めたという。名称変更に合わせて、ロゴデザインとWebサイトも一新した。 PFNは深層学習フレームワークをPyTorchに順次移行すると発表しているが、ピクシブはPetalica Paintの開発方針について「今後は最適な方法で、ユーザーの皆さ
実践！Chainerとロボットで学ぶディープラーニング
教材開発ストーリー AIのビジネス活用が大きな注目を集める一方、 初学者が機械学習・深層学習（ディープラーニング）技術の理解を深めるために 自由に利用できる日本語教材は未だ少ない状況です。 アフレルとPreferred Networks（以下、PFN）は、PFNが国立大学法人山梨大学との共同研究によって開発した 深層学習を応用する実践的知識を学習するための高等教育向け教材をベースに、 深層学習を初めて学ぶ学生や社会人向けのプログラミング教材として再編集しました。 この教材は、より多くの人に深層学習技術の学習機会を提供し、 実務領域への活用を促進するため、無料で公開いたします。 学習の流れ 実際に動かすことのできるロボットカー、教育版レゴ® マインドストーム® EV3を用いることで、 Pythonによるプログラミングから、オープンソースの深層学習フレームワークChainer™ まで、 初学者
Preferred Networksが、研究開発の基盤技術である深層学習フレームワークを変更。自社開発のChainerから、米Facebookが開発するPyTorchに順次移行する。12月5日に公開した最新版v7が最後のメジャーリリースになる予定。 AI開発を手掛けるPreferred Networks（PFN）は12月5日、研究開発基盤の深層学習フレームワークを、自社開発のChainerからPyTorchに順次移行すると発表した。PyTorchは、米Facebookが開発するオープンソースの機械学習ライブラリ。PFNの西川徹社長は「非常に大きな決断だが、深層学習技術の社会実装をさらに加速できると確信している」とコメントした。 PFNは、2015年6月にChainerをオープンソース化。複雑なニューラルネットワークを直感的かつ柔軟に構築できるため、研究者や開発者から支持を集めた。しかし、深
Distributed Deep Learning with Chainer and Hadoop
バクラクのAI-OCR機能の体験を支える良質なデータセット作成の仕組み / data-centric-ai-bakuraku-dataset
Preferred Networks（以下PFN）は、研究開発の基盤技術であるディープラーニングフレームワークを、自社開発のChainerから、PyTorchに順次移行すると発表した。今後Chainerの開発はバグフィックスおよびメンテナンスのみとなる。 Chainerファミリー（ChainerCV, Chainer Chemistry, ChainerUI, ChainerRL）についてもこの方針に従う。PFNが運用するディープラーニング入門:Chainerチュートリアル（外部サイト）についても今後コンテンツのリニューアルを検討予定だという。 関連記事：【Chainer】ディープラーニング初学者向けのチュートリアルを無償公開。Pythonの使い方から実装までの流れを学べる 関連記事：ディープラーニングとは｜AI・人工知能・歴史・仕組み・学習手法・活用事例 同時に、PyTorchを開発する
ニューラルネットワークとは¶ ニューラルネットワークは、微分可能な変換を繋げて作られた計算グラフ (computational graph) です。 本章では、まずは下の図のような、円で表されたノード (node) に値が入っていて、ノードとノードがエッジ (edge) で繋がれているようなものを考えます。 この図でいうノードの縦方向の集まりのことを層 (layer) と呼びます。 そしてディープラーニング (deep learning) とは、層の数が非常に多いニューラルネットワークを用いた機械学習の手法や、その周辺の研究領域のことを指します。 層（layer）¶ 上の図は、ニューラルネットワークを用いて、ワインに関するいくつかの情報から、そのワインが「白ワイン」なのか「赤ワイン」なのか、というカテゴリを予測する分類問題を解く例を表しています。 左側から、最初の層を入力層 (input
PFNがChainerの開発を終了しPyTorchへ移行、西川社長「非常に大きな決断」：人工知能ニュース Preferred Networks（PFN）は2019年12月5日、同社が開発する深層学習フレームワーク「Chainer」のメジャーアップデートを終了すると発表した。 Preferred Networks（PFN）は2019年12月5日、同社が開発する深層学習フレームワーク「Chainer」のメジャーアップデートを終了すると発表した。バグフィックスおよびメンテナンスは継続する。同社の研究開発基盤は、Chainerから米Facebookが主導する深層学習フレームワーク「PyTorch」へ順次移行する。 同日に公開された「Chainer v7」が最後のメジャーリリースになる予定だ。ChainerファミリーのライブラリであるChainerCVやChainer Chemistry、Chain
2019/12/5、PFNからChainerの開発を停止しPyTorchの開発に貢献するというアナウンスがありました。 Preferred Networks、深層学習の研究開発基盤をPyTorchに移行 オフィシャルな発表が出たことは衝撃的でしたが、心の中で「いつかはこうなるんじゃないか」という思いがあったのも事実です。さびしくはありつつも、決断にはベストな時期だったのではないかと思います。ここ最近は動的グラフをサポートしたTensorFlow 2.0の公開があり、機能的にほぼ差異がなくなった2大フレームワークの決戦がいよいよ始まる・・・という雰囲気です。そんな中でのChainer開発合流のニュースは十分存在感が出る時期ですし、PyTorch陣営としてもありがたかったのではないかなと思います(積まれているIssue/PRもTensorFlowより多いですし)。 本記事では、Chainerへ
NumPy 入門¶ 本章では、Python で数値計算を高速に行うためのライブラリ（注釈1）である NumPy の使い方を学びます。 本章の目標は、単回帰分析と重回帰分析の章で学んだ重回帰分析を行うアルゴリズムをNumPy を用いて実装することです。 NumPy による多次元配列（multidimensional array）の扱い方を知ることは、他の様々なライブラリを利用する際に役立ちます。 例えば、様々な機械学習手法を統一的なインターフェースで利用できる scikit-learn や、ニューラルネットワークの記述・学習を行うためのフレームワークである Chainer は、NumPy に慣れておくことでとても使いやすくなります。 それでは、まず NumPy の基礎的な使用方法を説明します。 NumPy を使う準備¶ NumPy は Google Colaboratory（以下 Colab
Preferred Networks（PFN）は2019年12月5日、研究開発の基盤技術である深層学習フレームワークを「PyTorch」に順次移行すると発表した。PyTorchは米フェイスブック（Facebook）が開発したオープンソースの深層学習フレームワーク。PFNはこれまで自社で開発したオープンソースの深層学習フレームワーク「Chainer」を使っていた。 同社は「深層学習フレームワークそのものが開発の競争力となっていた時代は終わりを迎えつつある」と判断し、Chainerの開発思想に最も近いPyTorchに移行することを決定したという。 今後PFNはフェイスブックのPyTorch開発チームやオープンソースコミュニティと密接に連携し、PyTorchの開発に貢献していく。加えて自社で開発している深層学習プロセッサ「MN-Core」のPyTorchサポートなどを推進する。 Chainerは
scikit-learn 入門¶ scikit-learn は Python のオープンソース機械学習ライブラリです。 様々な機械学習の手法が統一的なインターフェースで利用できるようになっています。 scikit-learn では NumPy の ndarray でデータやパラメータを取り扱うため、他のライブラリとの連携もしやすくなっています。 本章では、この scikit-learn というライブラリを用いて、データを使ってモデルを訓練し、評価するという一連の流れを解説し、Chainer を使ったディープラーニングの解説に入る前に、共通する重要な項目について説明します。 機械学習の様々な手法を用いる際には、データを使ってモデルを訓練するまでに、以下の 5 つのステップがよく共通して現れます。 Step 1：データセットの準備 Step 2：モデルを決める Step 3：目的関数を決める
Chainerの有用機能をPyTorch向けに再実装したライブラリ「pytorch-pfn-extras」、PFNが公開 | IT Leaders
IT Leaders トップ ＞ テクノロジー一覧 ＞ 開発ツール／プラットフォーム ＞ 新製品・サービス ＞ Chainerの有用機能をPyTorch向けに再実装したライブラリ「pytorch-pfn-extras」、PFNが公開 開発ツール／プラットフォーム 開発ツール／プラットフォーム記事一覧へ [新製品・サービス] Chainerの有用機能をPyTorch向けに再実装したライブラリ「pytorch-pfn-extras」、PFNが公開 2020年5月12日(火)日川 佳三（IT Leaders編集部） リスト Preferred Networks（プリファードネットワークス、PFN）は2020年5月12日、ディープラーニング（深層学習）のライブラリ「PyTorch」（パイトーチ）の機能を拡張するライブラリ「pytorch-pfn-extras」をオープンソースとして公開した。ライブ
機械学習に使われる数学¶ 次章より 3 つの章にわたって、ディープラーニングを含む機械学習に必要な数学のうち、基礎的なものとして「微分」「線形代数」「確率統計」の 3 つについて、要点を絞り、簡潔に紹介していきます。 その前に、本章では機械学習 (machine learning) の考え方について大枠を掴み、どの部分でそれぞれの項目が登場するかを把握しておきましょう。 機械学習とは¶ 機械学習は、与えられたデータから、未知のデータに対しても当てはまる規則やパターンを抽出したり、それらを元に未知のデータを分類したり、予測したりする手法を研究する学術領域です。 機械学習は様々な技術に応用されており、例えば画像認識、音声認識、文書分類、医療診断、迷惑メール検知、商品推薦など、幅広い分野で重要な役割を果たしています。 教師あり学習の考え方¶ 機械学習の代表的な問題設定として、教師あり学習 (su
【レポート】深層学習フレームワークChainerを活用したWebサービス事例 #AWSSummit | DevelopersIO
こんにちは。サービスグループの武田です。 2019年6月12日（水）から14日（金）の3日間、千葉県幕張メッセにてAWS Summit Tokyo 2019が開催されています。こちらで講演されたセッション「J1-01 深層学習フレームワークChainerを活用したWebサービス事例」を聴講しましたのでレポートします。 AWS Summitでは全セッションで撮影禁止ということですので、文字だけでお届けします。 概要 深層学習技術を活用したWebサービスの事例として、線画自動着色サービスPaintsChainerの概要とシステム構成をご紹介いたします。また、Preferred Networksが検討しているCreative分野の新しい技術紹介をします。 スピーカー 株式会社Preferred Networks エンジニア 福田 昌昭 （※敬称略） レポート 会社の事業分野 交通システム 産業ロ
CuPy 入門¶ CuPy は NumPy と高い互換性を持つ数値計算ライブラリです。 NumPy で提供されている多くの関数を NVIDIA GPU (Graphics Processing Unit) で実行することで簡単に高速化できるように設計されています。 GPU とは¶ GPU (graphics processing unit) は 3D グラフィックスの描画や、画像処理を高速に計算できるように設計された演算装置です。 一方、一般的な計算で使用される CPU (central processing unit) は、幅広く様々な処理で利用されることを想定して設計されています。 そのため、GPU と CPU ではそれぞれ、得意な計算の種類が異なります。 GPU は、条件分岐を多用するような複雑な計算には向かない一方、行列計算のようなシンプルな計算を大量に並列処理する必要がある場合は
Released Chainer/CuPy v6.0.0
Released Chainer/CuPy v6.0.0 By Seiya Tokui May 16, 2019 In Announcement We have released Chainer and CuPy v6.0.0 today! This is a major release that introduces several new features. Full updates can be found in the release notes: Chainer, CuPy. ChainerX The biggest update is the introduction of ChainerX. It is a fast and portable ndarray engine with autograd support written in C++ with a very thi
はじめに Optuna は、オープンソースのハイパーパラメータ自動最適化ツールです。この記事では、Optuna と Chainer を用いて、実際に深層学習（ディープラーニング）のハイパーパラメータ最適化を行う方法を説明します。Optuna の examples にはさまざまなフレームワークでの例が載っていますが、ドキュメントとして説明はされていないようなので、私なりにアレンジを加えたものを紹介します。 内容としては： ハイパーパラメータとは何か？ Optuna でシンプルな最適化 Optuna + Chainer で深層学習のハイパーパラメータ最適化 のようになっています。 対象とする読者は以下です： Chainer などの深層学習フレームワークに慣れ親しんでいる方 Optuna のチュートリアルは触ったものの、そこから深層学習のハイパーパラメータ自動最適化に活用する方法がわからない方
PFNの事業戦略とChainer 比戸将平氏（以下、比戸）：では、ここからは事業戦略とChainerの話に入っていきたいと思います。今までお見せしたように、我々はディープラーニングの最先端の技術を研究開発して使っているわけですけれども、その分野では、やはりGoogleやFacebookのほうが研究者の数や世の中のブランドでは強いわけです。 ただ、彼らはクラウドベースのコンシューマサービスなどのプロダクトが多いので、我々のフォーカスとしてはインダストリ、それもデバイスに近いほうですね。車はすこしかぶっていますが、産業用機械のようなものをFacebookやGoogleがやるという話はないので、そのあたりでAI技術の産業応用の最先端を走るということでやらせていただいています。 もう1つ、バイオヘルスケアも我々の範疇の1つで、これも1つお見せしたいと思います。 MRIの画像からどこに脳腫瘍があるか
深層学習フレームワークで世界に伍して闘った、その先見性とは？ ──SOCIAL TECH PLAYER賞は「Chainer」開発チーム - TECH PLAY Magazine
2019年12月、Preferred Networksは、開発の基盤技術である深層学習フレームワークを自社開発した「Chainer」から、Facebookが開発した「PyTorch」に移行することを発表した。TECH PLAYER AWARD 2020審査員は、Chainerが深層学習技術にもたらした功績と、基盤技術を移行する決断を高く評価。「SOCIAL TECH PLAYER 賞」に選出した。 ▲Chainerが日経優秀製品・サービス賞2018で日本経済新聞賞を受賞した当時のChainer開発チーム 深層学習をもっと使いやすくするフレームワーク「Chainer」 Preferred Networks（プリファードネットワークス、以下PFN）が開発・提供するPythonベースの深層学習フレームワーク「Chainer（チェイナー）」は、2015年6月にオープンソース公開されて以来、PFNの
私とNLPとChainer | 熊日記
この記事はねおりんアドベントカレンダーの20日目のポエムです。 昨日はるーしっど∞さんの【cluster】クラスターアーカイブを同時視聴してみた話でした。 私はVRとかに詳しくないのですが、clusterのアーカイブ機能は周りの人たちが面白い試みと話題にしていたのは覚えてます。 終わるという話も聞いて、実際に利用していたユーザーの話が流れてくるのはいい話って気持ちです。 終わるといえば、今日の話も終わる話です。 ざっくりいうと、研究で愛用していたツールの開発が止まった話です。 私について はじめまして、明太子熊(@mentaiko_guma)です。 ねおりんさんとは、高校時代の友人経由でつながって以来、年に数回お会いする関係です。 その高校時代の友人であるざわは、明日のアドベントカレンダーの担当になっています。何か作るんだと思います。 このアドベントカレンダーには毎年参加しているのですが、
微分と関数最小化の関係¶ 前章で微分が目的関数の最小化に役立つと紹介しました。本節ではまず具体例を用いてそのことを直感的に理解しましょう。 例として、下図のような下向きにくぼんだ形をした関数がどこで最小値をとるかを探す問題を考えます。 適当な点 \(\theta_{1}\) でこの関数のグラフに接する直線（接線）を考えます（注釈1）。 仮にこの接線の傾きが \(+3\) 、すなわち正の値であったとしましょう。この時、接線は右に進むほど高さが上がり，逆に左に進むほど高さが下がります。 \(\theta_{1}\) の周辺では、関数のグラフと接線は非常に近く、両者はほとんど見分けることができません。 すると、関数も接線と同じように \(\theta_{1}\) 右に進むと増加し，左に進むと減少していることがわかります。 次に、グラフ上の別の点 \(\theta_{2}\) においてこのグラフに
Chainer Chemistryの大規模グラフのタスクへの拡張 - Preferred Networks Research & Development
本記事は、2019年インターンシップで勤務した 阿部健信 さんによる寄稿です。 こんにちは。2019年夏季インターンに参加した東京大学の阿部健信です。「Chainer Chemistryの大規模グラフのタスクへの拡張」というテーマで取り組んだ内容を説明させていただきます。インターン内容のスライドはこちらにアップロードされています。 TLDR; Chainer Chemistryで大規模グラフのデータを扱えるようにしました。 convolution演算を\( O(V^2) \)から\( O(E) \)にしました。 メモリ使用量も抑えて、PyTorch Geometricでは動かないRedditデータセット(23万頂点, 1100万辺)を16GBのsingle GPU上で学習できるようにしました。 はじめに 入力としてグラフを受け取ることのできる、Graph Neural Network(GN
Posted on December 6, 2019 | 9 minutes | Akira Hayakawa このポエムにはかなりエアな部分が含まれるが、まぁ気にせんでほしい。 プラットフォームOSSの争いで勝つことには大きな意味がある今や何がなんでもAIAIAIAIAIAIAIAIの時代である。 それを支えているのがディープラーニングという技術である。 ゼロから作るDeep Learning まとめ(1)私はディープラーニングはあまり詳しくないかほぼエアに近いが、 それを使って出来ることはとても豊かであることは知っているつもりだ。 ディープラーニングという分野には大変なビジネス上の可能性がある。 従って、グーグルやフェイスブックはそれぞれ、自分たちで独自にディープラーニングネットワークを 構築するためのプラットフォームを開発している。 例えば グーグルのはTensorFlowという
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く
Chainer開発終了、PFN幹部が明かした「感謝とおわびの気持ち」
Chainer/CuPy v7のリリースと今後の開発体制について
PFN、深層学習フレームワークを自社開発の「Chainer」から「PyTorch」に切り替え
PFN、深層学習フレームワークをPyTorchに移行 Chainerをやめるのは「非常に大きな決断」
PFN、ディープラーニングの研究開発基盤をPyTorchに移行。Chainerはメンテナンスフェーズへ | Ledge.ai
ニューラルネットワークの基礎 — ディープラーニング入門：Chainer チュートリアル
PFNがChainerの開発を終了しPyTorchへ移行、西川社長「非常に大きな決断」
ありがとう、Chainer。頼むぜPyTorch。 - Qiita
NumPy 入門 — ディープラーニング入門：Chainer チュートリアル
PFNが深層学習基盤「Chainer」の新機能開発を終了、Facebookの「PyTorch」へ移行
scikit-learn 入門 — ディープラーニング入門：Chainer チュートリアル
機械学習に使われる数学 — ディープラーニング入門：Chainer チュートリアル
CuPy 入門 — ディープラーニング入門：Chainer チュートリアル
Optuna と Chainer で深層学習のハイパーパラメータ自動最適化 - Qiita
Chainer × AWSにまつわる4つの誤解 進化する連携と、新バージョンで可能になったこと
微分の基礎 — ディープラーニング入門：Chainer チュートリアル
Chainerの終了に日本のITのオワリを見た
levtech.jp
www.nikkei.com
iphone-mania.jp
www.google.com
www.mapion.co.jp
grapee.jp