Caffeで画像解析を始めるための基礎知識とインストール、基本的な使い方：いまさら聞けないDeep Learning超入門（2）（2/2 ページ）

[白井祐典，リクルートテクノロジーズ]

Caffeの環境構築の仕方

　このように、Caffeには多大なるメリットがある半面、環境構築に少しハードルがあります。

　まず、関連するライブラリ群が多く、動かすまでに根気が必要です。

　また、GPUを利用して高速で動作させるためにNVIDIAのCUDA（Compute Unified Device Architecture）が必要で、こちらもインストールする必要があります。GPUの使える環境に関しては、Amazon EC2のGPUインスタンスなどクラウド環境がお手軽です。

　以下に、必要なモジュール郡とインストール方法と簡単な役割を示します。

モジュール名	インストール方法	役割
OpenCV	wget／make	画像の切り抜きなどの加工に利用
Gflags	wget／make	コマンドラインオプション機能を提供するC++ライブラリ
Glog	wget／make	ログ用のC++ライブラリ
LevelDB	wget／make	高速処理用のKVSのDB。学習やテスト時にデータをDBにまとめて利用
LMDB	wget／make	LevelDB同様、KVSのDB。DBへの同時アクセスが可能
snappy-devel	yum	LevelDBデータの圧縮／解凍に利用
atlas-devel	yum	線形代数演算の高速化に利用
protobuf-devel	yum	データのシリアライズに利用
boost-devel	yum	メモリ管理・シリアライズ・型の制御など、さまざまな機能を提供するC++ライブラリ
anaconda	wget／sh実行	Pythonで利用する際に必要なモジュールが全て含まれている
CUDA	wget／sh実行	GPU利用のためのSDK

　CUDAの利用に関しては、「Nouveau」を無効化しなければコンフリクトを起こしてしまうため、こちらを無効化してください。

　なお、CUDA以外の上記設定が大変な場合は、Dockerを利用する手もあります。CUDAの利用を有効にしたGPUインスタンス上にDockerを用意し、Caffeが使えるコンテナーを取得することでCaffeの利用が可能となります。

Caffeの基本的な使い方

　「CNNとは？」の箇所で述べた通り、CNNではネットワーク定義と重みの学習が重要です。今回は、これらの記述方法について、Caffeに梱包されている「MNIST」の画像セットを対象としたファイルの中身を見ながらブレークダウンしていきます。

　なお、CaffeのソースはGitHub上にありますので、そちらに沿った形で説明します。以下の説明で「$CAFFE_DIR」という表現が出てきますが、これはGitHubからクローンした直下のディレクトリを指しています。

【1】ネットワーク定義

　lenet_train_test.prototxtというファイルに、Convolution層やPooling層などの処理の順番とパラメーター設定を定義します。ネットワーク定義ファイルの例は以下です。

$CAFFE_DIR/examples/mnist/lenet_train_test.prototxtの一部抜粋

　ネットワーク定義ファイルは、JSONのような形式で、レイヤーごとに分けて記載するルールとなっています。各レイヤーには、「name」「type」「bottom」「top」およびレイヤーの種類ごとのパラメーターが記載されます。nameはレイヤーを意味付ける任意の文字を、typeはそのレイヤーの種類を、bottomはそのレイヤーへのインプットを、topはそのレイヤーのアウトプットを意味します。

　上図の左がDataレイヤーで、画像データと正解カテゴリが出力されるのでtopが二つ設定されています。「transform_param」は正規化に利用する値で、RGBやグレースケールの値を正規化する意味で「0.00390625（＝256分の1）」がセットされています。「data_param」は学習に利用するDBの種類と名前、一度の学習で何枚を同時に処理するかという「batch_size」を指定します。

　上図の真ん中はConvolutionレイヤーで、bottomにDataレイヤーのdataを指定します。「num_output」が出力する特徴量の数を指しており、「karnel_size」がパッチ画像の一辺の長さを、「stride」がパッチ画像を取得するときにスライドさせるサイズをそれぞれ示しています。これらの設定で、topで指定している「conv1」を出力とします。

　上図の一番右がPoolingレイヤーです。このbottomには、先ほどのconv1が指定されており、Convolutionの結果を受け取ることが明示されています。そして、karnel_sizeでまとめ上げるサイズを、strideでスライドするサイズを指定します。出力は、topにセットされた「pool1」となります。

　下図はConvolutionとPoolingのイメージです。

　今回は抜粋のため全てを記載してはおりませんが、実際にはこの後にpool1を受け取って、「conv2→pool2→Full Connect1→ReLU[活性化関数]→Full Connect2」といったようにネットワーク定義が続いていきます。

【2】solver定義ファイル（重みの学習方法を設定）

　solver定義ファイルは、重みの学習方法を設定するためのファイルで、以下のような形式を採ります。

[lenet_solver.prototxt]
　net: "examples/mnist/lenet_train_test.prototxt"
　test_iter: 100
　test_interval: 500
　base_lr: 0.01
　momentum: 0.9
　weight_decay: 0.0005
　lr_policy: "inv"
　gamma: 0.0001
　power: 0.75
　display: 100
　max_iter: 10000
　snapshot: 5000
　snapshot_prefix: "examples/mnist/lenet"
　solver_mode: CPU

　「net」には、【1】のネットワーク定義ファイルを指定します。「test_iter」には、精度評価時の順伝播回数を指定します。テスト用の全画像枚数を、テスト時のネットワーク定義時のbatch_size（1回の学習に利用する枚数）で割った値を入れることが標準的です。

　「test_interval」は、精度評価を挟む学習回数を指定します。この設定は、チューニングを効率良く実施するために重要です。この設定により得られる精度の表示が、今回の学習が精度向上の見込みが高いかどうかを早期に発見する指標となります。「base_lr」〜「power」には、学習時の学習率の初期値・更新方法・正規化の重みなどを設定します。

　「max_iter」は、学習を繰り返す最大の回数です。test_intervalでの精度結果を見ながら、まだ精度が伸びそうであれば、これを上げると精度向上が見込まれます。

　「snapshot」は、指定回数ごとの状態を保存するための設定です。これがあることにより、途中から学習を開始することなどが可能となります。

　最後の「solver_mode」は、学習にGPUを利用するかCPUを利用するかを指定します。

コマンドで学習を開始

　これら設定の完了後、以下のコマンドで学習を開始します。

$CAFFE_DIR/build/tools/caffe train -solver= lenet_solver.prototxt

次回は、大規模サービスにおけるCaffeやCNNの活用事例

　以上がCaffeにおけるネットワーク定義および重みの学習方法を設定するファイルの設定および実行の説明です。Caffeには、まだまだ紹介しきれていないたくさんの機能がありますが、本稿が少しでもお役に立てば幸いです。

　次回はリクルートグループのサービスの中で、どのようにCNNが活用されているかを紹介します。

「いまさら聞けないDeep Learning超入門」バックナンバー

• 深層学習の判別精度を向上させるコツとActive Learning
• もう絶望しない！ ディープラーニングによる画像認識のビジネス活用事例
• Caffeで画像解析を始めるための基礎知識とインストール、基本的な使い方
• ニューラルネットワーク、Deep Learning、Convolutional Neural Netの基礎知識と活用例、主なDeep Learningフレームワーク6選

筆者紹介

白井 祐典（しらい ゆうすけ）

リクルートテクノロジーズ ITソリューション統括部 ビッグデータ部

独立系SIerで2年半働き、2012年にリクルートテクノロジーズ ビッグデータ部に中途入社。以降、3年にわたってカーセンサー（リクルートマーケティングパートナーズ提供）におけるHadoopを用いたビッグデータ活用に従事。現在は、事業対応とともに画像解析の技術検証とディレクション業務に従事。