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）
