caffe、Theano、TensorFlow、kerasなど、機械学習とディープラーニング用のライブラリはたくさんあることは知っていますが、私にとっては、使用したいニューラルネットのアーキテクチャを知っている必要があるようです。
さまざまなネットワーク設計を実験し、それらを独自のデータに適用できる(視覚的な)ツールはありますか?
TensorFlow Playgroundのようなものを考えていますが、n次元のデータと異なるレイヤータイプを使用しています。
前もって感謝します!
caffe、Theano、TensorFlow、kerasなど、機械学習とディープラーニング用のライブラリはたくさんあることは知っていますが、私にとっては、使用したいニューラルネットのアーキテクチャを知っている必要があるようです。
さまざまなネットワーク設計を実験し、それらを独自のデータに適用できる(視覚的な)ツールはありますか?
TensorFlow Playgroundのようなものを考えていますが、n次元のデータと異なるレイヤータイプを使用しています。
前もって感謝します!
回答:
はい、ドラッグアンドドロップするだけでニューラルネットワークを設計および適用するために利用できる多くのツールがあります。1つはDeep Cognition Incによって開発されたDeep Learning Studioで、本番環境でビジュアルインターフェースを備えた強力なディープラーニングプラットフォームは、データ取り込みに対する包括的なソリューションを提供します、モデル開発、トレーニング、導入、管理。Deep Learning Studioユーザーは、TensorFlow、MXNet、Kerasとの堅牢な統合により、ディープラーニングソリューションを迅速に開発および展開することができます。
彼らの自動ML機能は、ニューラルネットワークモデルを自動生成します。
caffeには、Expresso(http://val.serc.iisc.ernet.in/expresso/)と呼ばれるサードパーティ製のツールがあり、使い始めるのに役立つGUIを提供しています。
さらに、NVIDIA DIGITS(https://developer.nvidia.com/digits)もインタラクティブツールであると主張しています。
DIGITSは、データの管理、マルチGPUシステムでのニューラルネットワークの設計とトレーニング、高度な視覚化によるリアルタイムでのパフォーマンスの監視、結果ブラウザーからの最適なパフォーマンスモデルの選択など、一般的なディープラーニングタスクを簡素化して展開します。DIGITSは完全にインタラクティブなので、データサイエンティストはプログラミングやデバッグではなく、ネットワークの設計とトレーニングに集中できます。
お役に立てれば!
問題に最適なネットワークアーキテクチャを見つけるプロセスは、ディープラーニングプロセスの中心です。ここで、事前知識を使用してパフォーマンスを最適化します。
正直なところ、あなたが提案したGUIがこの目的をどのように果たすことができるのか、私は本当にわかりません。
特定のアーキテクチャを評価できるようにするには、データのネットを(ゼロから)トレーニングする必要があります。ディープニューラルネットワークの場合、これはしばらく時間がかかるプロセスです。したがって、クリックするたびに1時間の計算が必要な場合は、グラフィックUIの利点全体がほとんど失われます。
ほとんどの実装(caffe、TensorFlow)には非常に単純な構文があるため、アーキテクチャーの変更(レイヤーの変更、ハイパーパラメーターの調整)は、単一の文字列または定数の値を変更することになります。GUIを実際に必要とするものはありません。
一方、探しているものがパラメーターチューニングビジネスへのより体系的なアプローチである場合は、自動パラメーターチューニングを読むことができます。
私は、ブラウザーでトレーニングし、ユーザーがコード生成されたPythonをエクスポートできるドラッグアンドドロップニューラルネットワークユーザーインターフェイス(Ennui)に取り組んできました。高密度、畳み込み、maxpooling、batchnormなどを含むさまざまなレイヤーがあります。ResNetのような分岐モデルの構築もサポートされています。いくつかの一般的な視覚化も実装しました。
https://math.mit.edu/ennuiのWebサイトにアクセスできます。
オープンソース実装はhttps://github.com/martinjm97/ENNUIにあります
コメントや質問でお気軽にお問い合わせください。