神出鬼没,sonsonこと,吉田悠一です.
iOSDCで発表してきました.スライド公開します.
sonsonこと,Yuichi Yoshidaです.
学会も,言語系のカンファレンスも,ハッカソンも,WWDCも色々出没する自由人です.
先日,開催されたtry!Swift 2017 ハッカソンで3つも賞をいただきました.
48チーム中2位の賞と,スポンサー賞である,SanSan賞,Yahoo!賞をいただきました.
開発したのは,Swift Playgroundsで動作する,Jupyter notebookみたいな環境です.実装できた機能は,基本的な行列演算,plotとscatterでグラフを描画できるビューです.行列演算のバックエンドは,Accelerate.frameworkに内包されるBLAS, LAPACK, vvLibを使っているので,計算結果は,安心できると思います.多分.
https://github.com/sonsongithub/numsw
すべてのソースコードは,上記リポジトリに置いてあります.
ビルドした(コピーしてるだけですが)PlaygroundbookをiPadにAirDropで転送したりすると,Playgrounds.appでコーディングすることができます.上のスクリーンショットがPlaygrounds.appでbookを開いたところです.左ペインに計算コードを書いて実行すると,右ペインでplotやscatterの実行結果としてグラフがレンダリングされます.まだまだ生煮えのプロジェクトですが,開発は続けていこうと思っていますので,興味がある方は開発にご参加ください.
どうも吉田悠一です.
弊社の近藤がNIPS2016のWorkshopで発表したDemitasseをオープンソースで公開します.
“Satoshi Kondo, “Demitasse: SPMD Programing Implementation of Deep Neural Network Library for Mobile Devices”, ML Systems Workshop NIPS 2016 PDF”
https://github.com/DensoITLab/Demitasse
llvmとispcを使い,Deep Learningの計算を高速化します.
Demitasseによれば,iOSデバイス上でもGPUを使わずに数百msecの時間で,Caffe Model Zooによる画像認識を実行することができます.
ビルド方法は,githubのリポジトリのドキュメントに書いてあります.
また,Linuxで使いたい方は,dockerを使って,簡単に環境を構築できます.
簡単に処理性能を確認したいという方向けに、iOS限定ですが、デモアプリも公開しておりますので、お試しください。(アプリインストール後、アプリ内で事前学習済みデータのダウンロードを行う必要がありますが、データサイズが数百MBと大きいため、学習済みデータのダウンロードはWiFi環境などで行うことをお勧めいたします)