「TensorFlowより高性能」なディープラーニングツールキット「CNTK」：ニューラルネットワークモデルの実装が一般化する？

米マイクロソフトリサーチが深層学習（ディープラーニング）ツールキットをオープンソースで公開。グーグルのTensorFlowよりもGPU性能を引き出せるという。

» 2016年01月27日 14時29分公開

　米マイクロソフトリサーチは深層学習（ディープラーニング）ツールキット「Microsoft Computational Network Toolkit（CNTK）」をGitHubに公開した。CNTKは2015年4月からオープンソースライセンスで公開されていたもの。計算ステップの連続としてニューラルネットワークを記述できるという。

　CNTKのバイナリ／ソースコードはWindows版とLinux版が用意されており、CPUのみでの利用の他、エヌビディアが提供するGPUプログラミング向けライブラリ「CUDA（Compute Unified Device Architecture）」を組み合わせた演算も可能だ。

　「deep neural networks（DNNs）」「convolutional neural networks（CNNs）」「recurrent neural networks（RNNs）」「long short term memory（LSTM）」などのモデルを簡単に作成できるという。

　CNTKを導入するためのチュートリアルはGitHubのWikiで公開されており、実装の詳細やデモプログラムなどは、マイクロソフトリサーチが公開したドキュメント（PDF）でも確認できる。

性能評価　Tensorflowなどとの比較（出典：マイクロソフトリサーチ）

　なお、マイクロソフトでは、既に「Microsoft Azure」上で簡易な機械学習プログラムを作成できる環境として「Azure Machine Learning」を提供。2015年9月にはNVIDIAの「GRID 2.0」と「Tesla Platform」が利用できるGPUインスタンスを追加している。

APIコールだけでおよそ欲しい画像認識系の機能が使えるGoogle Cloud Vision APIとは
グーグルの画像認識APIが限定プレビューに。画像認識や分類などの手間の掛かる実装をAPIコールで外に出せるため、一般的な用途であれば端末側を賢く作り上げる必要がなくなる。
深層学習の判別精度を向上させるコツとActive Learning
最近注目を浴びることが多くなった「Deep Learning」と、それを用いた画像に関する施策周りの実装・事例について、リクルートグループにおける実際の開発経験を基に解説していく連載。最終回は、画像認識の判別精度を向上させる具体的手順と落とし穴、ハイパーパラメーターのチューニング、学習を自動化するActive Learningについて。
Azure MLって何？からワークスペース作成まで
数学的な知識やソフトウェア知識がないと挑戦しにくい印象の機械学習を、Webサービスとして利用できる環境が「Azure Machine Learning」です。全体のプロセスを見ながら体験して理解してみましょう。
セキュリティ対策に数学の力を――機械学習は先行防御の夢を見るか？
どうしても攻撃者の後手に回りがちなセキュリティ対策。ここに機械学習を活用することで、先手を打った対策を実現できないか――そんな取り組みが始まろうとしている。