#MachineLearningService Visual Interface のトレーニング資料「二項分類 ~ 機械学習のフローを理解する (タイタニック号から脱出できるか?)」を公開しました

Azure Machine Learning Service の新機能 Visual Interface のトレーニング資料を GitHub で公開しました。

https://github.com/seosoft/Titanic_MLServiceVisualInterface

Azure Machine Learning Service Visual interface で二項分類 ~ タイタニック号から脱出できるか?

続きを読む

「Machine Learning Serviceを使ってみよう」 LT 資料を公開しました ( #Cogbot 勉強会 #19 2019/1/22 開催) #MachineLearningService

Cogbot 勉強会 #19 (2019年1月22日開催) で、

Machine Learning Service を使ってみよう

という LT をしました。
ブログで紹介するのが遅くなってしまいました・・・ (汗

続きを読む

Azure #Notebooks 最新情報(Connect() 2018 更新版)

Azure Notebooks とは

Azure Notebooks は無償で提供されている Jupyter Notebook 環境です。
マイクロソフトアカウントがあれば Notebook が利用できます。
さらに Azure サブスクリプションに紐づいたアカウントであれば Azure のリソースに接続することもできます。

Connect() 2018 での Azure Notebooks 関連の情報

先日開催された、マイクロソフトのカンファレンス Connect() で、Azure Notebooks に関連する内容がいくつかアップデートされました。

その内容は こちらのページ に書かれていますが、日本語でも少し整理してみましょう。

続きを読む

「Azure ML Service ファーストインプレッション」LT 資料を公開しました(「ゼロから作る Deep Learning 2 輪読&勉強会」2018年10月5日開催)

毎週参加している「ゼロから作る Deep Learning 2 輪読&勉強会」の10月5日開催の回で LT しました。

9月の Ignite で発表されたばかりの Azure Machine Learning Service についてです。

LT タイトル通り、ファーストインプレッションの範囲ですが、非常に面白いサービスだと思います。個人の意見としては、

  • Batch AI が楽に使える。Low priority VM もラジオボタン選択で簡単に選択できる
  • Visual Studio Code との連携が素敵、ローカルでニューラルネットワークを実装・デバッグして、学習はクラウドを利用
  • Experiment の結果や実施の履歴が残っている
  • ハイパーパラメーターチューニングの機能がついに入った

あたりがお気に入りポイント。

今はがっつり触る時間がないので楽しむのは少しお預けだけど、これを使って機械学習・深層学習をもっとちゃんとやりたいです。

Azure Machine Learning Service について日本語で喋るのは日本最速では?と(勝手に)思ってます。

当日は読書会本体が盛り上がりすぎて(想定内)勉強会の終了時刻を過ぎてからの LT なので、残ってる人だけなんとなく聞いてくれるという形でした。まあ、それもよし。

#vscode 未経験のデータサイエンティストに向けて「VS Code for AI」を紹介しました (2018年9月7日 ゼロから作るDeep Learning 2 輪読&勉強会) #ai

最近、毎週金曜日に参加されている「ゼロから作るDeep Learning 2 (自然言語処理編) 輪読&勉強会」(2018年9月7日開催) で、Visual Studio CodeTools for AI の紹介をしました。

VS Code Tools for AI の紹介

続きを読む

GPUなWindows PCでCNTKとTensorFlowとVisual Studio 2017とを共存させる方法 (2018年4月版) #cogbot #cntk

しばらく「深層学習」の学習ができずにいる間に、CNTK (Cognitive Toolkit)Tensorflow もアップデートしていました。

仕切り直しに改めてローカルマシンに共存する環境を作ろうと思ったところ、どうも 以前(2017年12月頃) より格段に簡単に作れそう。ありがとう、ツールのアップデート!

本稿では、ローカルマシン (NVIDIA の GPU あり) に以下のツール類を共存させる手順を紹介します。(2018年4月時点)

続きを読む

「Azure Machine Learning Workbench の使い方」発表と資料公開をしました (第11回 Cogbot勉強会) #cogbot

第11回 Cogbot勉強会 (2018年1月23日(火) 開催) で、

Azure Machine Learning Workbench の使い方

というテーマでセッションを担当しました。

続きを読む

Azure Batch AI で CNTK ジョブを実行する #batchai #cntk

Azure Batch AI は、名前の通り AI 用の Azure Batch サービスです。

高性能な GPU マシンを、学習モデルをトレーニングする時だけデプロイして使用できるもの です。
ジョブを開始すると自動的にデプロイされて、トレーニングが終了すると自動的にリソースが解放されるので、仮想マシンやリソースの課金を極力抑えることができます。しかも自動的にスケールする機能も持っています。

開発やデバッグを行うための環境ではないので、ローカルPCや DSVM (Data Science Virtual Machine) を使って事前にスクリプトやデータがきちんと用意する必要はあります。ハイパーパラメーターを変えながら、何度もトレーニングを繰り返す時に便利です。

続きを読む

Azure Machine Learning Workbench でローカルPC の CNTK を利用する #cntk #cogbot

本稿は、Cogbot Advent Calendar 2017 に参加しています。

Azure Machine Learning Workbench で CNTK を利用するための手順を紹介します。

なお現時点で私が使用したのは、Windows 版のバージョン 0.1.1711.15323 です。かなり初期のプレビューですので、今後改善されて、以下の手順を踏まなくても CNTK が利用できるようになるかもしれません。

Azure Machine Learning Workbench (長いので以下では Workbench だけにします) を触り始めると、まずはアヤメの分類(Classifying Iris)をすると思います。QuickStart で取り上げられていますしね。

アヤメの分類では、機械学習のライブラリとして scikit-learn を使用しています。Workbench のインストーラーでは scikit-learn が一緒にダウンロードされているということです。

iristest


それではと CNTK を使おうとすると ImportError が発生します。CNTK はインストールされていないようです。

cntk_error

Workbench は Miniconda を使用しています。(下は Workbench のインストール画面)

aml_installer

pip も一緒にインストールされているので、これを使って CNTK をインストールすればよさそうです。


pip コマンドを実行するためには、コマンドプロンプトを開きたいところです。

Workbench からはメニューの [File] – [Open Command Prompt] で開くことができます。

ここで起動するコマンドプロンプトは、Workbench 用の環境変数やパスがあらかじめ設定された状態になっています。便利です。

open_cmdprompt

念のために、Python のバージョンを確認します。


python -V

現時点では Python は 3.5 系がインストールされています。

Python のバージョンに合わせて CNTK の wheel をインストールします。

CNTK の wheel ファイルのパスは こちらのページ で探してください。Python のバージョンや GPU ありなしで wheel ファイルは異なるので注意。

こちらの記事 も参考にしていただければ)


pip install <wheelファイルのURL>

install_cntk

余談ですが、現時点では「pip のバージョンが古いよ」というメッセージが表示されます。

特に問題はありませんが、気になる人は、


python -m pip install --upgrade pip

を実行するといいでしょう。


これで OK。

試しに Notebook を開いて、”import cntk” してみましょう。先ほどと違ってエラーメッセージは表示されないはず。

なお Workbench の Notebook をローカル PC で実行する場合には、カーネルとして “<プロジェクト名> local” を選択してください。

“Python 3” は選択しないように。Workbench 環境とうまく結合されていないようです。

select_kernel

import_cntk_ok


Workbench の New Project のテンプレートとして、”MNIST using CNTk” があります。

実際にこのプロジェクトを作って確認してみます。

new_cntk_mnist_project

[Files] を開いて、”cntk_mnist.py” を実行してみます。

mnist_run

しばらく待つと Job の状態が “Completed” になるはず。

mnist_completed

実行結果を見ると、学習の内容が分かります。

mnist_runs

Workbench のいいところは、結果を視覚的に確認する仕組みがあらかじめ組み込まれてるところですね。

かつ学習の履歴も保持しているし、学習モデルの管理・発行を DevOps に乗せることができるのもいい点です。

wb_runs_history


ただ、現在のバージョンでは(Preview なので機能的には足りていない部分もあります)、Workbench 内での実行では進捗が分からないこと。

Submitting → Starting → Running → Completed とステータスは変わるのですが、Running 中にどこまで進んだのかわかりません。ちょっと心配になります。

現時点では Workbench 内では実行中の進捗を知るすべはないため、Visual Studio Code を組み合わせて使うのがよさそうです。

Workbench はプロジェクト管理やデータの加工を行う、Visual Studio Code はスクリプトの編集やデバッグ実行という使い分け。

スクリプト表示画面にはちゃんと [Edit] ボタンがあります。これをクリックすると Visual Studio Code が起動します。

(※もちろん事前に Code をインストールしておき、Workbench でも 外部エディター設定 をしておく必要があります)

vscode_from_wb

これでスクリプトの編集もデバッグ実行もできます。実行中の print もちゃんと表示されます。

だったら「Visual Studio Code があればいいじゃないか」という気もしなくもないですが、今後の機能向上を期待して Workbench も使ってみましょう。

GPUなWindows PCでCNTKとTensorFlowとVisual Studio 2017とを共存させる方法 (2017年12月版) #cogbot #cntk

注意)本稿は、2017年12月時点の情報です。2018年4月以降は、こちら の記事を参照してください。

 


本稿は、Cogbot Advent Calendar 2017 に参加しています。

今回は、NVIDIA の GPUを積んだ Windows PC で、CNTKTensorFlowVisual Studio 2017 とを共存される方法を紹介します。
いくつかハマりポイントがあって、今回は全身で次々と落とし穴に落ちてしまったので、皆さんも同じようなケガをしないように手順を共有します。

もっとスマートな方法があるかもしれませんが、私は以下の方法で共存に成功しました。

続きを読む