[PYTHON] Organisez des plateformes d'apprentissage automatique et d'apprentissage en profondeur

introduction

Récemment, l'ouverture de la plateforme est devenue populaire, alors réorganisons la plateforme d'apprentissage automatique et la plateforme d'apprentissage profond (framework).

• • • Veuillez préciser si c'est différent du fait.

Principales plateformes

Service PaaS

Cadre d'apprentissage (Python)

Une brève description du service PaaS

Les services fournis par chaque fournisseur comprennent la traduction de modèles pré-appris et la reconnaissance d'images / vidéo.

Google Cloud Platform

Ce sera une plate-forme d'apprentissage automatique fournie par Google. Un service géré qui facilite la création de modèles d'apprentissage automatique pour toutes les données, quelle que soit leur taille. Vous pouvez également utiliser TensorFlow préparé sur le cloud.

• Extrait du site

Contenu de l'apprentissage automatique

・ Cloud Machine Learning Engine Vous pouvez tirer des leçons de diverses données telles que la régression / classification supervisée et le clustering non supervisé. L'algorithme utilisé n'est pas divulgué.

Azure Machine Learning

Azure Machine Learning est un service d'analyse prédictive cloud qui vous permet de créer et de déployer rapidement des modèles prédictifs en tant que solution analytique. Avec une bibliothèque d'algorithmes prêts à l'emploi, vous pouvez créer des modèles sur un PC connecté à Internet et déployer rapidement une solution de prédiction.

• Extrait du site

Contenu de l'apprentissage automatique

· Azure ML Vous pouvez également tirer des leçons de diverses données telles que la régression / classification supervisée et le clustering non supervisé. Vous pouvez choisir l'algorithme à utiliser. (Il y a trop d'algorithmes et c'est hors spécifications.)

Amazon Machine Learning

Amazon Machine Learning est un service géré permettant de créer des modèles d'apprentissage automatique et de générer des prédictions, vous permettant de développer des applications robustes, évolutives et avancées. Amazon Machine Learning vous permet d'utiliser de puissantes technologies d'apprentissage automatique sans avoir besoin d'une connaissance approfondie des algorithmes et des techniques d'apprentissage automatique.

• Extrait du site

Contenu de l'apprentissage automatique

・ Amazon Machine Learning Vous pouvez également tirer des leçons de diverses données telles que la régression / classification supervisée et le clustering non supervisé.

[Algorithme utilisé] Régression: régression linéaire Classification Classification binaire: régression logistique Classification multiclasse: régression logistique multinomiale

Bluemix IBM Watson

IBM définit l'IA comme une «intelligence augmentée» plutôt que comme une «intelligence artificielle» pour étendre et améliorer les connaissances humaines, et propose à ses clients IBM Watson comme solution cognitive de base. CA offre. IBM Watson est une plate-forme technologique qui utilise le traitement du langage naturel et l'apprentissage automatique pour révéler des informations à partir de grandes quantités de données non structurées.

• Extrait du site

Contenu de l'apprentissage automatique

Vous pouvez également tirer des leçons de diverses données telles que la régression / classification supervisée et le clustering non supervisé. De plus, comme il existe plusieurs API apprises, il est pratique de créer un nouveau service. 　 [Algorithme utilisé] privé Il semble que «considérez plusieurs algorithmes disponibles et sélectionnez celui qui répond à vos besoins».

Une brève description du cadre d'apprentissage

C'est un framework distribué par OSS.

Theano

http://deeplearning.net/software/theano/index.html

Appelé le grand-père du framework d'apprentissage profond, de nombreux chercheurs mondiaux utilisent Theano écrit en Python.

mérite et démérite

TensorFlow

https://www.tensorflow.org/

TnesorFlow est la dernière bibliothèque de réseaux neuronaux développée par Google dans le cadre du projet "Google Brain".

Des fonctionnalités de haut niveau peuvent être implémentées et les calculs peuvent être représentés dans des flux de données et des graphiques. L'intérieur de la bibliothèque est fait en C ++, mais Python est également inclus et il a une structure qui peut être utilisée de manière flexible.

mérite et démérite

Caffe

http://caffe.berkeleyvision.org/

Caffe est une bibliothèque de vision industrielle bien connue et largement utilisée qui est un port du réseau de convolution rapide de Matlab en C et C ++. Caffe se concentre sur le traitement d'image et ne cible pas d'autres apprentissages en profondeur tels que le texte, l'audio et les données de séries chronologiques.

mérite et démérite

Chainer

http://chainer.org/

Chainer est un framework de réseau neuronal open source avec une API Python. L'équipe de développement principale est active dans Preferred Networks, une start-up de machine learning basée à Tokyo avec de nombreux ingénieurs de l'Université de Tokyo. Jusqu'à l'avènement de DyNet de CMU et de PyTorch de Facebook, Chainer était le principal cadre de réseau de neurones pour les graphes de calcul dynamiques et était un réseau qui permettait la saisie de différentes longueurs, ce qui le rendait populaire pour le travail de traitement du langage naturel. C'est une fonction élevée. En utilisant ses propres benchmarks, Chainer est plus rapide que les autres frameworks pour Python et intègre TensorFlow, le groupe de test le plus lent comprenant MxNet et CNTK.

mérite et démérite

Keras

https://keras.io/

Keras est une bibliothèque utilisée au sommet de Theano et TensorFlow, qui n'est pas un wrapper pour l'apprentissage en profondeur des bibliothèques de calcul à grande vitesse, et fournit une API intuitive.

Lorsque vous commencez l'apprentissage profond, la barrière de la programmation se démarque. Cependant, avec Keras, même si vous n'avez aucune expérience en programmation, vous pouvez rapidement apprendre un réseau simple.

à la fin

Il n'y a aucune différence entre les entreprises PaaS quant à ce qu'elles peuvent réaliser, donc je pense que le jeu sera facile à utiliser.

Concernant le framework, SONY est sorti l'autre jour! Il semble que l'OSS continuera d'augmenter à l'avenir!

Je pense qu'il est préférable de choisir ce dont vous avez besoin pour réaliser ce que vous voulez faire, mais je pense que ce qui est absolument nécessaire, ce sont les principes fondamentaux tels que la sélection d'algorithmes et la conception neuronale.