AI – 技術との戯れ

「構造化データをツールで簡単に分析」ショートセッションをしました (第3回八王子AI / 2019年10月26日) #hachiojiai

ブログ更新がすっかり滞ってました (>_<)

「構造化データをツールで簡単に分析」というテーマで、ショートセッションしました。
2019年10月26日開催の第3回八王子 AI です。

Azure Machine Learning Service の Automated ML のトレーニング資料を GitHub で公開しました。

Automated ML は、教師データを与えるだけで自動的に複数回（アルゴリズムやハイパーパラメーターを変更しながら）の学習を自動的に実行してくれるものです。

もっとも精度が高い学習モデルを教えてくれるので、Docker イメージの作成やサービス化もワンストップで実現できます。
素晴らしい！

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。

突然ですが、AI ブームですね。

これまで Cogbot コミュニティで、Cognitive Services + Bot Framework に関連した活動をしてきましたが、ブームに乗って、私も Microsoft Cognitive Toolkit (CNTK) を始めました。（本当に始めたばかり・・・）

PC を用意しました、GPU対応の CNTK をインストールしました、まではいいのですが、Tutorial を実行しても、どうも GPU を使っているように見えません。

CNTK を始めたばかりの人限定の情報ですが（かつ NVIDIA の GPU を載せた PC を使っている人限定）、自分が悩んだ GPU を優先する方法の紹介。

ついでに CPU を優先する方法も紹介します。

※あえて CPU を使う理由はありませんが、人に説明する時に「ほら、こんなに違うでしょ」という話には使えるかと。

■ 対象のバージョン等の情報

対象のバージョンは以下の通りです。

Anaconda 3 は Visual Studio 2017 でインストールしました。CNTK については GPU wheel を pip インストールしただけ。

CUDA 周りは全く気にせずに環境が作れました。強い。

■ GPU を優先する方法


from cntk.device import gpu, try_set_default_device

try_set_default_device(gpu(0))

■ (ついでに) CPU を優先する方法


from cntk.device import cpu, try_set_default_device

try_set_default_device(cpu())

簡単ですが、知らないと PC のせっかくのパワーを活用できません。

これで楽しく深層学習しましょう。

しばらくブログを書けずにいました。

復活の一発目が CNTK とは・・・w