NeuralNetworkConsole

ディープラーニング入門!Neural Network Consoleを使ってみたので使用方法を解説

Neural Network Console 使用方法

スポンサーリンク

こんにちは。ぴろ です。

Sonyが提供しているNeural Network Consoleをご存知でしょうか?

Pythonや数式を用いずに、GUIだけでのマウス操作だけでディープラーニングのネットワークを開発できる優れものです。

本記事ではNeural Network Consoleの導入からサンプルプロジェクトの実行までの方法を解説します。

注意点としてはMac版はないので、Macの方はクラウド版のみ使用できます。

Windowsの方はローカルで使用できるWindows版とクラウド版どちらでも利用可能です。

スポンサーリンク

Windows版Neural Network Consoleの導入方法

Neural Network ConsoleのサイトにアクセスしWindows版をダウンロードします。

NeuralNetworkConsoleインストール

neural_network_console_xxx.zip(xxxはバージョン名)というファイルがダウンロードされるので、このファイルを解凍して中にある neural_network_console.exe を起動します。

起動後にVisual Studio 2015 Visual C++の再頒布パッケージがインストールされていない場合はダウンロードを促すメッセージが表示されます。

インストールされてない場合はこちらからダウンロードし、インストールを行いOKをクリックします。

NeuralNetworkConsoleインストール

次の画面が出て少し待ちます。

NeuralNetworkConsoleインストール

ブラウザが立ち上がり、GoogleまたはSonyのアカウントでログインします。
(どちらもアカウント持っていない場合は作成が必要です。)

NeuralNetworkConsoleインストール

以下のメッセージが表示されたらアクティベートが完了です。

NeuralNetworkConsoleインストール

LICENSEタブに表示されるライセンスを確認し、同意の上、I Agreeをクリックして選択します。

利用状況の収集と送信に同意しない場合は、「Agree to help improve Neural Network Console by automatically  sending usage logs」のチェックボックスを外してください。

NeuralNetworkConsoleインストール

ENGINEタブに移動して、使用するプロセッサー(CPU or GPU)を選択します。

NVIDIA 製の CUDA 対応 GPUがある場合はGPUを選択します。

今回はGPUがないのでCPUを選択してApplyをクリックします。

NeuralNetworkConsoleインストール

設定が完了するまで数分待ちます。

NeuralNetworkConsoleインストール

以下のような画面が表示されたら設定が完了です。

すぐにでも使用可能になります。

NeuralNetworkConsoleインストール

 

クラウド版Neural Network Consoleの導入方法

クラウド版のNeural Network Consoleのサイトにアクセスし[無料で体験]をクリックします。

NeuralNetworkConsoleインストール

GoogleまたはSonyのアカウントでログインします。
(どちらもアカウント持っていない場合は作成が必要です。)

NeuralNetworkConsoleインストール

以下のような画面が表示されたらすぐにでも使用可能になります。

NeuralNetworkConsoleインストール

クラウド版では日本語設定もできます。

ダッシュボードの[Service Settings]をクリックします。

NeuralNetworkConsoleインストール

[日本語]を選択します。

NeuralNetworkConsoleインストール

Windows版でサンプルプロジェクトを実行

それでは実際にサンプルプロジェクトを使用して、ディープラーニングを体験してみましょう。

今回はWindows版を使用していますが、クラウド版でも操作方法はほとんど同じです。

サンプルプロジェクトのロード

ダッシュボードから[プロジェクト]⇒[01_logistic_regression.sdcproj]をクリックします。

NeuralNetworkConsoleサンプルプロジェクト

データセットで使用するデータのダウンロードするメッセージが表示されるので[はい(Y)]をクリックします。

NeuralNetworkConsoleサンプルプロジェクト

データの確認

右上の[DATASET]タブをクリックし、どのようなデータか確認します。

このプロジェクトでは手書きの4と9の画像を見分けるモデルを作成します。

x:4の時はy:0、x:9の時はy:1と判別するモデルです。

NeuralNetworkConsoleサンプルプロジェクト

左上の[EDIT]タブでネットワークを確認します。

これは1層のLogistic Regression(ロジスティック回帰)モデルです。

Input・・・1(モノクロ)× 28 (縦) × 28 (横)の画像を入力します。
Affine・・・全結合層
Sigmoid・・・Sigmoid関数によるアクティベーション
BinaryCrossEntropy・・・ロス関数

このあたりの説明は以下で詳しく解説されているので併せて見てみてください。

学習の実行

それではこのプロジェクトのネットワークで学習をしてみましょう。

[EDIT]タブ右上の[Run]ボタンをクリックして学習をします。

NeuralNetworkConsoleサンプルプロジェクト

以下のように表示されれば学習が完了です。

これで画像認識モデルの作成ができました。

テストデータの評価

それではこのモデルでテストデータを評価してみましょう。

右上の[RUN]ボタンをクリックして評価を行います。

評価が完了したら、[EVALUATION]タブをクリックして評価結果を確認します。

NeuralNetworkConsoleサンプルプロジェクト

xが評価対象の画像、yは人が事前に与えていた正解ラベル、y’が画像認識機が出した答えです。

x:4の時はy:0、x:9の時はy:1なので、y’は9である確率を出しています。

つまり、y’が0に近いと4、1に近いと9と判断していることになります。

y’の1個目のデータ0.0459(=4.5%)で9である確率が非常に低いのでこれは4であると認識できていることが分ります。

表の画面上で右クリックするとCSVファイルをダウンロードできます。

NeuralNetworkConsoleサンプルプロジェクト

次に全体の精度を見るために[Confusion Matrix:]をクリックします。

全体の精度はAccuracyを確認します。

Accuracyの値が0.952なので、95.2%の確率で4と9を見分けられるモデルを作成できたことが分ります。

NeuralNetworkConsoleサンプルプロジェクト

こちらも表の画面上で右クリックするとCSVファイルをダウンロードできます。

NeuralNetworkConsoleサンプルプロジェクト

 

まとめ

いかがでしたでしょうか?

数クリックで機械学習モデルを作れるなんてすごい時代ですよね。

Pythonや数学が苦手な方でも作ることができるので概念を学ぶにはちょうど良いと思います。

私はディープラーニングG検定を合格してもいまいちネットワークの概念がよくわからず、このサービスを利用して少しずつですが理解できてきました。

まずはディープラーニングに触れてみたい、という方はすぐにでも使用できるのでおすすめです。

 

 

スポンサーリンク