PyTorch 各種ドキュメント翻訳 | PyTorch の簡単な応用例 (2021/1Q, 2Q)

<< prev page next page >> | TensorFlow Keras CNTK

◆ 2021/2Q (〜 2021/06/21)

PyTorch 1.9.0 リリースノート

PyTorch 1.9 ステーブル版がリリースされましたので、リリースノートのハイライトを翻訳しておきました。前バージョン (1.8) からおよそ 3 ヶ月が経過しています。このリリースは 398 contributors により行なわれた、1.8 からの 3,400 コミット以上から構成されます。

ハイライトされている機能は : 1) torch.linalg, torch.special と複素 Autograd を含む、科学計算サポートのための改良、2) モバイル・インタープリタによるバイナリサイズの改良、3) TorchElastic の elastic-耐障害性訓練のネイティブサポート、4) PyTorch RPC フレームワークへのアップデート、5) モデル推論配備のためのパッケージ化のための新しい API、そして 6) PyTorch Profile の分散訓練、GPU 使用と SM 効率性のサポート。

[詳細] (06/21/2021)

HuggingFace Transformers 4.6 : ノートブック : パイプラインの利用

HuggingFace Transformers は最先端の自然言語処理を可能にする PyTorch と TensorFlow 2.0 のためのエコシステムです。両者はシームレスに統合され、一方で訓練してから推論のために他方でロードすることも可能です。モデルハブにより数千の事前訓練モデルが提供されています。

最近リリースされた 4.6 をベースにドキュメントを幾つか翻訳しています。

今回はノートブックから「パイプラインの利用」です。パイプラインは次のような様々な下流タスクに渡る推論を行なうための高位の使いやすい API を提供します : センテンス分類 (センチメント分析)、トークン分類 (固有表現認識、品詞タギング)、質問応答、マスク Filling、要約、翻訳、特徴抽出 etc.

[詳細] (06/14/2021)

HuggingFace Transformers 4.6 : ノートブック : Getting Started Transformers

最近リリースされた 4.6 をベースにドキュメントを幾つか翻訳しています。

今回はノートブックから「Getting Started Transformers」です。transformers ライブラリは、Bert, Roberta, GPT2, XLNet 等のような Transformer アーキテクチャに基づくモデルを訓練し、利用して共有するためのオープンソース、コミュニティ・ベースのレポジトリです。

[詳細] (06/12/2021)

HuggingFace Transformers 4.6 : ノートブック : Getting Started トークナイザー

最近リリースされた 4.6 をベースにドキュメントを幾つか翻訳しています。

今回はノートブックから「Getting Started トークナイザー」です。transformers ライブラリとともに、@huggingface は一般的なマルチコアマシン上で数十 Gb/s でテキストを訓練、トークン化そしてデコードできる非常に高速なトークン化ライブラリを提供しています。

[詳細]

HuggingFace Transformers 4.6 : 上級ガイド : 事前訓練モデル

最近リリースされた 4.6 をベースにドキュメントを幾つか翻訳しています。

今回は上級ガイドから「事前訓練モデル」です。ここでは代表的な利用可能な事前訓練モデルが簡潔な説明とともにリストアップされています。

[詳細] (05/16/2021)

HuggingFace Transformers 4.6 : 概要

HuggingFace Transformers 4.6 がリリースされました。概要 (README) を再翻訳しておきます。BigBird-Pegasus, CLIP & LUKE の各モデルが追加されています。簡単な利用方法と利点、オンラインデモ、モデルのリスト等が説明されます。

Transformer アーキテクチャは NLP で中心的役割を果たしていますが、HuggingFace Transformers は最先端の自然言語処理を可能にする PyTorch と TensorFlow 2.0 のためのエコシステムです。両者はシームレスに統合され、一方で訓練してから推論のために他方でロードすることも可能です。モデルハブにより数千の事前訓練モデルが提供されています。

[詳細] (05/15/2021)

PyTorch 1,8 チュートリアル : 並列と分散訓練 : 単一マシン並列ベストプラクティス

PyTorch 1.8 ドキュメントの「並列と分散訓練」カテゴリーの翻訳を行なっています。

今回は「単一マシン並列ベストプラクティス」です。モデル並列は分散訓練テクニックで広く利用されます。DataParallel はマルチ GPU 上でニューラルネットワークを訓練するために利用できますが、それは幾つかのユースケースについては機能しません。例えばモデルが大規模過ぎて単一 GPU に収まらない場合です。このチュートリアルはモデル並列を使用してその問題をどのように解くかを示します。

[詳細] (06/09/2021)

PyTorch 1.8 : ノート : 分散データ並列 (処理)

PyTorch 1.8 ドキュメントの「並列と分散訓練」カテゴリーの翻訳を行なっています。

今回は「PyTorch 分散概要」が参照してるドキュメント「ノート : 分散データ並列 (処理)」です。torch.nn.parallel.DistributedDataParallel (DDP) は分散データ並列訓練を透過的に遂行します。このノートはそれがどのように動作するかを記述して実装の詳細を明らかにします。

[詳細] (06/09/2021)

PyTorch 1.8 チュートリアル : 並列と分散訓練 : PyTorch 分散概要

PyTorch 1.8 ドキュメントの「並列と分散訓練」カテゴリーの翻訳を行なっています。

今回は「PyTorch 分散概要」です。これは torch.distributed パッケージのための概要ページですが、このパッケージについては様々な場所で追加された非常に多くのドキュメント、サンプルとチュートリアルがあります。このページの目標はドキュメントを様々なトピックにカテゴライズした上で各々を簡潔に説明することです。

[詳細] (06/08/2021)

PyTorch 1.8 チュートリアル : PyTorch の学習 : マルチ GPU サンプル

PyTorch 1.8 ドキュメントの「並列と分散訓練」カテゴリーの翻訳を行ないます。

今回はその準備として「PyTorch の学習」カテゴリーから「マルチ GPU サンプル」です。このチュートリアルではデータ並列性を torch.nn.DataParallel を使用して実装します。Module を DataParallel 内にラップできてマルチ GPU に渡りバッチ次元で並列化されます。

[詳細] (06/06/2021)

PyTorch 1.8 チュートリアル : PyTorch の学習 : データ並列 (オプション)

PyTorch 1.8 ドキュメントの「並列と分散訓練」カテゴリーの翻訳を行ないます。

今回はその準備として「PyTorch の学習」カテゴリーから「データ並列 (オプション)」です。このチュートリアルでは DataParallel を使用してマルチ GPU をどのように使用するかを学習します。

[詳細] (06/05/2021)

HuggingFace Tokenizers 0.10 : メモリから訓練 (python)

HuggingFace Transformers のトークナイザーは HuggingFace Tokenizers に依存しています。切り捨て、パディングやモデルが必要な特殊トークンの追加など、前処理の総てを行ないます。Rust 実装のため非常に高速で Python と Node.js のバインディングも持ちます。

最新版の 0.10 ベースで幾つかドキュメントを翻訳しています。今回は「メモリから訓練 (python)」です。クイックツアーではテキストファイルを使用してトークナイザーをどのように構築して訓練するかを見ましたが、実際には任意の Python Iterator を利用できます。このセクションではトークナイザーを訓練する幾つかの異なる方法を見ます。

[詳細] (06/01/2021)

HuggingFace Tokenizers 0.10 : コンポーネント (python)

最新版の 0.10 ベースで幾つかドキュメントを翻訳しています。今回は「コンポーネント (python)」です。トークナイザーを構築するとき、その動作をカスタマイズするためにトークナイザーに様々なタイプのコンポーネントをアタッチできます。このドキュメントは提供されるコンポーネントの殆どをリストアップします。

[詳細] (06/05/2021)

HuggingFace Tokenizers 0.10 : トークン化パイプライン (python)

最新版の 0.10 ベースで幾つかドキュメントを翻訳しています。今回は「トークン化パイプライン (python)」です。encode() を呼び出すとき、入力テキストは次のパイプラインを通過します :

正規化
事前トークン化
モデル
後処理

これらのステップの各々の間に加えて、幾つかのトークン id をデコードすることを望むときに何が起きるか、そしてTokenizer ライブラリがニーズに応じて各ステップをどのようにカスタマイズするかを見ます。

[詳細] (05/31/2021)

HuggingFace Tokenizers 0.10 : Quicktour (python)

最新版の 0.10 ベースで幾つかドキュメントを翻訳しています。今回は「Quicktour (python)」です。Tokenizers ライブラリの機能を素早く見てみます、このライブラリは使いやすく超高速な今日最も利用されているトークナイザーの実装を提供しています。スクラッチから構築することからクイックツアーを始めてそれをどのように訓練するかを見ます。

[詳細] (05/27/2021)

HuggingFace Tokenizers 0.10 : 概要 | Python バインディング概要

最新版の 0.10 ベースで幾つかドキュメントを翻訳します。最初は概要と、Python バインディングの概要です。

[詳細] (05/20/2021)

HuggingFace Transformers 4.5 : 利用方法 : 多言語モデル

最近リリースされた 4.5 をベースにドキュメントを幾つか翻訳しています。

今回は「多言語モデル」です。利用可能な殆どのモデルは単一言語モデルですが、幾つかの多言語モデルが利用可能で単一言語モデルとは異なるメカニズムを持ちます。このドキュメントはそれらのモデルの使用方法を詳述します。多言語をサポートする 2 つのモデルは BERT と XLM です。

[詳細] (05/14/2021)

HuggingFace Transformers 4.5 : 利用方法 : トークナイザーの要点

最近リリースされた 4.5 をベースにドキュメントを幾つか翻訳しています。

今回は「トークナイザーの要点」です。テキストのトークン化はそれを単語や部分単語に分割します、これらは検索テーブルを通して id に変換されます。単語や部分単語を id に変換することは簡単ですので、テキストを単語や部分単語を分割することにフォーカスします。

[詳細] (05/12/2021)

HuggingFace Transformers 4.5 : 利用方法 : 訓練と再調整

最近リリースされた 4.5 をベースにドキュメントを幾つか翻訳しています。

今回は「訓練と再調整」です。HuggingFace Transformers のモデル・クラスは PyTorch と TensorFlow 2 で互換であるように設計されシームレスに利用可能です。このチュートリアルでは、いずれのフレームワークでも利用可能な標準訓練ツールを使用してモデルをどのように再調整するか (or スクラッチから訓練するか) を示します。

[詳細] (05/11/2021)

HuggingFace Transformers 4.5 : 利用方法 : データの前処理

最近リリースされた 4.5 をベースにドキュメントを幾つか翻訳しています。

今回は「データを前処理する」です。このチュートリアルでは、 Hugging Transformers を使用して貴方のデータをどのように前処理するかを探求します。このための主要ツールは tokenizer と呼ぶものです。

[詳細] (05/11/2021)

HuggingFace Transformers 4.5 : 利用方法 : モデルの要点

最近リリースされた 4.5 をベースにドキュメントを幾つか翻訳しています。

今回は「モデルの概要」です。これは Hugging Transformers で利用可能なモデルの概要です。個々のモデルは以下のカテゴリーの一つに分類されます :

自己回帰モデル
オートエンコーダ・モデル
sequence-to-sequence モデル
ProphetNet
検索ベースモデル

[詳細] (05/10/2021)

HuggingFace Transformers 4.5 : 利用方法 : タスクの要点

最近リリースされた 4.5 をベースにドキュメントを幾つか翻訳しています。

今回は Transformer の利用方法から「タスクの要点」で、ライブラリを利用するとき頻度の高いユースケースが示されます。利用可能なモデルはユースケースで素晴らしい多用途性を可能にします。質問応答、シークエンス分類、固有表現認識等々のようなタスクのための使用方法が紹介されます。

[詳細] (05/06/2021)

HuggingFace Transformers 4.5 : Gettiing Started : 用語集

最近リリースされた 4.5 をベースにドキュメントを幾つか翻訳しています。今回は Gettiing Started から「用語集」です。基本的な一般用語について簡単に説明された後、モデル入力について詳述されます。

[詳細] (05/06/2021)

HuggingFace Transformers 4.5 : Gettiing Started : 哲学

最近リリースされた 4.5 をベースにドキュメントを幾つか翻訳しています。今回は Gettiing Started から「哲学」というタイトルで、HuggingFace Transformers の幾つかの目標と主要なコンセプトについて説明されます。

[詳細] (05/05/2021)

HuggingFace Transformers 4.5 : Gettiing Started : クイック・ツアー

最近リリースされた 4.5 をベースにドキュメントを幾つか翻訳しています。今回は Gettiing Started から「クイック・ツアー」です。Transformers ライブラリの特徴を概観します。ライブラリは、テキストのセンチメントを分析するような自然言語理解 (NLU) タスク、そしてプロンプトを新しいテキストで補完したり他の言語に翻訳するような自然言語生成 (NLG) のための事前訓練モデルをダウンロードできます。

最初にそれらの事前訓練モデルを推論で利用するためにパイプライン API をどのように容易に活用するかを見ます。それから、ライブラリがそれらのモデルへのアクセスをどのように与えて貴方のデータを前処理することを手助けするかを見ます。

[詳細] (05/01/2021)

AutoNLP 0.2 : 音声認識

AutoNLPは Hugging Face エコシステムとシームレスに統合された、最先端の NLP モデルを自動的に訓練・配備するための方法です。対応する NLP タスクは二値分類、マルチクラス分類、固有表現認識です。

0.2.6 をベースにドキュメントを幾つか翻訳しています。今回は音声認識です。AutoNLP は音声 (発話) モデルの再調整をサポートしますので、自動音声認識モデルを用意に訓練することができます。

[詳細] (05/05/2021)

AutoNLP 0.2 : 要約

0.2.6 をベースにドキュメントを幾つか翻訳しています。今回は要約です。要約タスクでは 2 つのシークエンスを持ち、より大きいシークエンスはより小さいシークエンスで表されます aka 要約されます。AutoNLP は貴方のデータ上で要約モデルを訓練することを非常に容易にします。

[詳細] (05/05/2021)

AutoNLP 0.2 : エンティティ抽出

0.2.6 をベースにドキュメントを幾つか翻訳しています。今回はエンティティ抽出です。エンティティ抽出 aka トークン分類は最もポピュラーなタスクの一つです。AutoNLP は貴方のデータ上でエンティティ抽出モデルを訓練することを非常に容易にします。

[詳細] (05/05/2021)

AutoNLP 0.2 : 多クラス分類

0.2.6 をベースにドキュメントを幾つか翻訳しています。今回は多クラス分類です。多クラス分類は NLP 問題を扱うときに遭遇するかもしれない最もポピュラーな教師あり分類問題です。AutoNLP は貴方のデータ上で多クラス分類モデルを訓練することを非常に容易にします。

[詳細] (05/05/2021)

AutoNLP 0.2 : 二値分類

0.2.6 をベースにドキュメントを幾つか翻訳しています。今回は二値分類です。二値分類は NLP 問題を扱うときに遭遇するかもしれない最もポピュラーな教師あり分類問題です。AutoNLP は貴方のデータ上で二値分類モデルを訓練することを非常に容易にします。

[詳細] (05/04/2021)

AutoNLP 0.2 : 概要

0.2.6 をベースにドキュメントを幾つか翻訳していきます。最初は概要 (README) ですが、内容はクイックスタートです。

[詳細] (05/04/2021)

HuggingFace Transformers 4.5 : 概要

最近リリースされた 4.5 をベースにドキュメントを幾つか翻訳していきます。最初は概要 (README) です。簡単な利用方法と利点、オンラインデモ、モデルのリスト等が説明されます。

[詳細] (04/28/2021)

PyTorch 1.8 チュートリアル : PyTorch モデル配備 : (オプション) ONNX へモデルをエクスポートして ONNX ランタイムで実行する

PyTorch 1.8 がリリースされ、ドキュメント構成も変更されました。追加ドキュメントの翻訳や改訂されたドキュメントの再翻訳を行なっています。

今回は「PyTorch モデル配備」カテゴリーから「ONNX へモデルをエクスポートして ONNX ランタイムで実行する」です。このチュートリアルでは、PyTorch で定義されたモデルを ONNX 形式にどのように変換して ONNX ランタイムで実行するかを説明します。ONNX ランタイムは ONNX モデルのためのパフォーマンスにフォーカスしたエンジンで、複数のプラットフォームとハードウェアに渡り効率的に推論します。

題材として小さい超解像モデルを使用します。超解像は画像、動画の解像度を増大させる方法で画像処理や動画編集で広く利用されます。

[詳細] (05/02/2021)

PyTorch 1.8 チュートリアル : PyTorch モデル配備 : TorchScript モデルを C++ でロードする

PyTorch 1.8 がリリースされ、ドキュメント構成も変更されました。追加ドキュメントの翻訳や改訂されたドキュメントの再翻訳を行なっています。

今回は「PyTorch モデル配備」カテゴリーから「 TorchScript モデルを C++ でロードする」です。プロダクションのためには、C++ は非常に多くの場合選択される言語です。 Java、Rust や Go のような別の言語にバインドするだけの場合でも。このドキュメントでは既存の Python モデルからシリアライズされた表現へと進む PyTorch が提供するパスを概説します。この表現は Python への依存性なく単に C++ からロードできて実行可能です。

[詳細] (05/01/2021)

PyTorch 1.8 チュートリアル : PyTorch モデル配備 : TorchScript へのイントロダクション

PyTorch 1.8 がリリースされ、ドキュメント構成も変更されました。追加ドキュメントの翻訳や改訂されたドキュメントの再翻訳を行なっています。

今回は「PyTorch モデル配備」カテゴリーから「TorchScript へのイントロダクション」です。このチュートリアルは TorchScript へのイントロダクションです。C++ のような高パフォーマンス環境内で実行可能な Python モデル (nn.Module のサブクラス) の中間表現です。

[詳細] (04/29/2021)

PyTorch 1.8 チュートリアル : PyTorch モデル配備 : Flask REST API で PyTorch を配備する

PyTorch 1.8 がリリースされ、ドキュメント構成も変更されました。追加ドキュメントの翻訳や改訂されたドキュメントの再翻訳を行なっています。

今回は「PyTorch モデル配備」カテゴリーから「Flask REST API で PyTorch を配備する」です。これはプロダクション配備する上でのチュートリアルのシリーズの最初のものです。Flask を使用して PyTorch モデルを配備してモデル推論のための REST API を公開します。具体的には、事前訓練された DenseNet 121 モデルを配備します、これは画像を検出します。

[詳細] (04/29/2021)

PyTorch 1.8 チュートリアル : 強化学習 : マリオをプレーする RL エージェントを訓練する

PyTorch 1.8 がリリースされ、ドキュメント構成も変更されました。追加ドキュメントの翻訳や改訂されたドキュメントの再翻訳を行なっています。

今回は深層強化学習から「マリオをプレーする RL エージェントを訓練する」です。このチュートリアルは深層強化学習の基礎を一通り説明した後で、DDQN (Double 深層 Q-ネットワーク) を利用して自身でゲームをプレーできる AI-powered マリオを実装します。

[詳細] (04/27/2021)

PyTorch 1.8 チュートリアル : 強化学習 : 強化学習 (DQN) チュートリアル

PyTorch 1.8 がリリースされ、ドキュメント構成も変更されました。追加ドキュメントの翻訳や改訂されたドキュメントの再翻訳を行なっています。

今回は深層強化学習を扱います。このチュートリアルは OpenAI Gym からの CartPole-v0 タスク上で深層 Q 学習 (DQN) エージェントを訓練するために PyTorch をどのように使用するかを示します。

[詳細] (04/26/2021)

PyTorch 1.8 チュートリアル : テキスト : Transformer で言語翻訳

PyTorch 1.8 がリリースされ、ドキュメント構成も変更されました。追加ドキュメントの翻訳や改訂されたドキュメントの再翻訳を行なっています。

今回は「テキスト」カテゴリーから「Transformer で言語翻訳」です。torchtext は言語翻訳モデルを作成する目的でデータセットを作成するためのユティリティを持ちます。このチュートリアルでは、どのように raw テキスト・センテンスをトークン化するか、語彙を構築するか、そしてトークンを tensor に数値化するかを示します。

[詳細] (04/25/2021)

PyTorch 1.8 チュートリアル : テキスト : TorchText でテキスト分類

PyTorch 1.8 がリリースされ、ドキュメント構成も変更されました。追加ドキュメントの翻訳や改訂されたドキュメントの再翻訳を行なっています。

今回は「テキスト」カテゴリーから「TorchText でテキスト分類」です。このチュートリアルではテキスト分類分析のためのデータセットを構築するためにどのように torchtext を利用するかを示します。torchtext は幾つかの raw データセット iterator を提供します、これは raw テキスト文字列を生成します。

[詳細] (04/24/2021)

PyTorch 1.8 チュートリアル : テキスト : 文字レベル RNN で名前を生成する

PyTorch 1.8 がリリースされ、ドキュメント構成も変更されました。追加ドキュメントの翻訳や改訂されたドキュメントの再翻訳を行なっています。

今回は「テキスト」カテゴリーから「文字レベル RNN で名前を生成する」です。これは「スクラッチからの NLP」の 3 つのチュートリアルの 2 番目です。最初のチュートリアルで名前をそれらの元の言語に分類するために RNN を利用しました。今回は逆向きに言語から名前を生成します。

[詳細] (04/24/2021)

PyTorch 1.8 チュートリアル : テキスト : 文字レベル RNN で名前を分類する

PyTorch 1.8 がリリースされ、ドキュメント構成も変更されました。追加ドキュメントの翻訳や改訂されたドキュメントの再翻訳を行なっています。

今回は「テキスト」カテゴリーから「文字レベル RNN で名前を分類する」です。単語を分類するために基本的な文字レベル RNN を構築して訓練していきます。具体的には元の 18 言語からの数千の姓 (名字) 上で訓練して、スペリングを基に名前がどの言語からであるかを予測します。

[詳細] (04/23/2021)

PyTorch 1.8 チュートリアル : テキスト : Sequence to Sequence ネットワークと Attention で翻訳

PyTorch 1.8 がリリースされ、ドキュメント構成も変更されました。追加ドキュメントの翻訳や改訂されたドキュメントの再翻訳を行なっています。

今回は「テキスト」カテゴリーから「Seq2Seq ネットワークと Attention で翻訳」です。ここでは、ニューラルネットワークにフランス語から英語へ翻訳することを教えていきます。これは Seq2Seq ネットワークの単純ですがパワフルなアイデアにより可能になります。そこでは 2 つの RNN が一つのシーケンスを他の一つに変換するために一緒に動作します。更にこのモデルを改良するために attention メカニズムを使用します、これはデコーダに入力シーケンスの特定の範囲に渡りフォーカスすることを学習させます。

[詳細] (04/23/2021)

PyTorch 1.8 チュートリアル : テキスト : nn.Transformer と TorchText で Seq2Seq モデリング

PyTorch 1.8 がリリースされ、ドキュメント構成も変更されました。追加ドキュメントの翻訳や改訂されたドキュメントの再翻訳を行なっています。

今回は「テキスト」カテゴリーから「nn.Transformer と TorchText で Seq2Seq モデリング」です。nn.Transformer モジュールを使用する Seq2Seq モデルをどのように訓練するかについてのチュートリアルです。PyTorch は論文 Attention is All You Need に基づく標準的な transformer モジュールを含みます。transformer モデルは並列化可能である一方で多くの Seq2Seq 問題のために質的に優れていることが証明されています。nn.Transformer モジュールは入力と出力間のグローバルな依存性を引き出すために attention メカニズムに完全に依拠しています。

[詳細] (04/18/2021)

PyTorch 1.8 チュートリアル : 画像と動画 : 配備のために Vision Transformer を最適化する

PyTorch 1.8 がリリースされ、ドキュメント構成も変更されました。追加ドキュメントの翻訳や改訂されたドキュメントの再翻訳を行なっています。

今回は「画像と動画」カテゴリーから「配備のために Vision Transformer を最適化する」です。Vision Transformer モデルは NLP で導入された attention ベースの transformer モデルをコンピュータビジョン・タスクに応用します。Facebook Data-efficient 画像 Transformer DeiT は画像分類のために ImageNet 上で訓練された Vision Transformer モデルです。このチュートリアルでは、DeiT が何であるかどのように利用するかを説明してから、モデルのスクリプト化、量子化、最適化そして iOS と Android apps での利用のための完全なステップを通り抜けます。更に、量子化、最適化モデルと非量子化、非最適化モデルのパフォーマンスも比較します。

[詳細] (04/18/2021)

PyTorch Metric Learning (距離学習) 0.99 : 概要

PyTorch Metric Learning は PyTorch エコシステムの一つで距離学習のためのライブラリです。このライブラリは 9 モジュールを含み、その各々は既存のコードベース内で独立に利用できたり、完全な訓練/テスト・ワークフローのために一緒に組み合わせることができます。

概要ページを訳しておきました。損失関数 TripletMarginLoss の利用方法やカスタマイズを中心に説明されています。

[詳細] (04/16/2021)

PyTorch 1.8 チュートリアル : 画像と動画 : DCGAN チュートリアル

PyTorch 1.8 がリリースされ、ドキュメント構成も変更されました。追加ドキュメントの翻訳や改訂されたドキュメントの再翻訳を行なっています。

今回は「画像と動画」カテゴリーから「DCGAN チュートリアル」です。このチュートリアルはサンプルを通して DCGAN へのイントロダクションを与えます。多くの実際のセレブ (有名人) の写真を見せた後で新しいセレブを生成するために敵対的生成ネットワーク (GAN, Generative Adversarial Network) を訓練します。

[詳細] (04/16/2021)

PyTorch 1.8 チュートリアル : 画像と動画 : 敵対的サンプルの生成

PyTorch 1.8 がリリースされ、ドキュメント構成も変更されました。追加ドキュメントの翻訳や改訂されたドキュメントの再翻訳を行なっています。

今回は「画像と動画」カテゴリーから「敵対的サンプルの生成」です。機械学習の研究はモデルをより高速により正確に、そしてより効率的に推し進めています。けれどもモデルの設計と訓練でしばしば見落とされる側面はセキュリティと堅牢性です。特にモデルを騙すことを望む敵対者に直面することにおいてです。このチュートリアルは ML モデルのセキュリティ脆弱性への認識を高め、敵対的機械学習のホットなトピックへの洞察を与えます。

[詳細] (04/11/2021)

PyTorch 1.8 チュートリアル : 画像と動画 : 転移学習チュートリアル

PyTorch 1.8 がリリースされ、ドキュメント構成も変更されました。追加ドキュメントの翻訳や改訂されたドキュメントの再翻訳を行なっています。

今回は「画像と動画」カテゴリーから「転移学習チュートリアル」です。このチュートリアルでは、転移学習を利用して画像分類のための畳込みニューラルネットワークをどのように訓練するかを学習します。

[詳細] (04/07/2021)

PyTorch 1.8 チュートリアル : 画像と動画 : TorchVision 物体検出再調整チュートリアル

PyTorch 1.8 がリリースされ、ドキュメント構成も変更されました。追加ドキュメントの翻訳や改訂されたドキュメントの再翻訳を行なっています。

今回から「画像と動画」カテゴリーに移行します。最初は「TorchVision 物体検出再調整チュートリアル」です。このチュートリアルでは、歩行者検出とセグメンテーションのための Penn-Fudan データベースで事前訓練された Mask R-CNN モデルを再調整していきます。

[詳細] (04/06/2021)

◆ 2021/1Q (〜 2021/03/27)

PyTorch 1.8 チュートリアル : PyTorch の学習 : TensorBoard でモデル、データと訓練を可視化する

PyTorch 1.8 がリリースされ、ドキュメント構成も変更されました。追加ドキュメントの翻訳や改訂されたドキュメントの再翻訳を行ないます。

今回は「PyTorch の学習」カテゴリーから「TensorBoard でモデル、データと訓練を可視化する」です。PyTorch は TensorBoard と統合しています、これはニューラルネット訓練実行の結果を可視化するために設計されたツールです。このチュートリアルでは Fashion-MNIST データセットを利用してその機能の幾つかを示します。

[詳細] (03/27/2021)

PyTorch 1.8 チュートリアル : PyTorch の学習 : torch.nn とは実際には何でしょう？

PyTorch 1.8 がリリースされ、ドキュメント構成も変更されました。追加ドキュメントの翻訳や改訂されたドキュメントの再翻訳を行ないます。

今回は「PyTorch の学習」カテゴリーから「torch.nn とは実際には何でしょう？」です。ニューラルネットワークを作成して訓練することを手助けするために PyTorch はエレガントに設計されたモジュールとクラス torch.nn , torch.optim , Dataset と DataLoader を提供します。このチュートリアルでは MNIST を題材に実際にそれらが何をしているか正確に理解していきます。

[詳細] (03/25/2021)

PyTorch 1.8 チュートリアル : PyTorch の学習 : サンプルによる PyTorch の学習

PyTorch 1.8 がリリースされ、ドキュメント構成も変更されました。追加ドキュメントの翻訳や改訂されたドキュメントの再翻訳を行ないます。

今回は「PyTorch の学習」カテゴリーから「サンプルによる PyTorch の学習」です。このチュートリアルは自己充足的なサンプルを通して PyTorch の基礎的な概念を紹介します。実行サンプルとして y=sin(x) を 3 次多項式で fit する問題を使用します。

[詳細] (03/23/2021)

PyTorch 1.8 チュートリアル : PyTorch の学習 : 分類器を訓練する – CIFAR-10

PyTorch 1.8 がリリースされ、ドキュメント構成も変更されました。追加ドキュメントの翻訳や改訂されたドキュメントの再翻訳を行ないます。

今回は「PyTorch の学習」カテゴリーから「分類器を訓練する」です。このチュートリアルでは CIFAR10 を題材に以下を行ないます : (1) 訓練とテスト・データセットをロードして正規化する。(2) 畳込みニューラルネットワークを定義する。(3) 損失関数を定義する。(4) ネットワークを訓練する。(5) ネットワークをテストする。

[詳細] (03/22/2021)

PyTorch 1.8 チュートリアル : PyTorch の学習 : ニューラルネットワーク

PyTorch 1.8 がリリースされ、ドキュメント構成も変更されました。追加ドキュメントの翻訳や改訂されたドキュメントの再翻訳を行ないます。

今回は「PyTorch の学習」カテゴリーから「ニューラルネットワーク」です。ニューラルネットワークは torch.nn パッケージを使用して構築できます。nn はモデルを定義してそれらを微分するために autograd に依拠します。nn.Module は層、そして出力を返すメソッド forward(input) を含みます。

[詳細] (03/21/2021)

PyTorch 1.8 チュートリアル : PyTorch の学習 : torch.autograd への易しいイントロ

PyTorch 1.8 がリリースされ、ドキュメント構成も変更されました。追加ドキュメントの翻訳や改訂されたドキュメントの再翻訳を行ないます。

今回は「PyTorch の学習」カテゴリーから「torch.autograd への易しいイントロ」です。torch.autograd はニューラルネットワーク訓練のための PyTorch の自動微分エンジンです。このドキュメントでは autograd がニューラルネットワーク訓練をどのように手助けするかの概念的理解が得られます。

[詳細] (03/21/2021)

PyTorch 1.8 チュートリアル : PyTorch の学習 : Tensor

PyTorch 1.8 がリリースされ、ドキュメント構成も変更されました。追加ドキュメントの翻訳や改訂されたドキュメントの再翻訳を行ないます。

「基本を学習する」カテゴリーは完了しましたので「PyTorch の学習」カテゴリーに移行します。今回は「PyTorch の学習」カテゴリーから「Tensor」です。内容は新たに書き直されています。Tensor は配列と行列に非常に類似した特別なデータ構造です。PyTorch ではモデルの入力と出力そしてモデルのパラメータをエンコードするために tensor を使用します。

[詳細] (03/18/2021)

PyTorch 1.8 チュートリアル : PyTorch の学習 : 基本 – モデルのセーブ & ロード

PyTorch 1.8 がリリースされ、ドキュメント構成も変更されました。追加ドキュメントの翻訳や改訂されたドキュメントの再翻訳を行ないます。

今回は「基本を学習する」カテゴリーから「モデルのセーブ & ロード」です。このセクションではセーブ、ロードそしてモデル予測を実行することでモデル状態をどのように永続化するかを見ます。これで初心者チュートリアルは完了です。

[詳細] (03/18/2021)

PyTorch 1.8 チュートリアル : PyTorch の学習 : 基本 – モデル・パラメータを最適化する

PyTorch 1.8 がリリースされ、ドキュメント構成も変更されました。追加ドキュメントの翻訳や改訂されたドキュメントの再翻訳を行ないます。

今回は「基本を学習する」カテゴリーから「モデル・パラメータを最適化する」です。モデルとデータを持ちましたので、データ上でパラメータを最適化することによりモデルを訓練・検証そしてテストします。モデルの訓練は反復的なプロセスです ; 各反復でモデルは出力について推測を行ない、その推測内で誤差を計算し (損失)、誤差の導関数を集めてそして勾配降下を使用してこれらのパラメータを最適化します。

[詳細] (03/17/2021)

PyTorch 1.8 チュートリアル : PyTorch の学習 : 基本 – torch.autograd による自動微分

PyTorch 1.8 がリリースされ、ドキュメント構成も変更されました。追加ドキュメントの翻訳や改訂されたドキュメントの再翻訳を行ないます。

今回は「基本を学習する」カテゴリーから「torch.autograd による自動微分」です。ニューラルネットを訓練するとき、通常利用されるアルゴリズムは逆伝播です。このアルゴリズムではパラメータ (モデル重み) は損失関数の勾配に従って調整されます。これらの勾配を計算するため、PyTorch は torch.autograd と呼ばれる組込み微分エンジンを持ちます。

[詳細] (03/16/2021)

PyTorch 1.8 チュートリアル : PyTorch の学習 : 基本 – ニューラルネットワークを構築する

PyTorch 1.8 がリリースされ、ドキュメント構成も変更されました。追加ドキュメントの翻訳や改訂されたドキュメントの再翻訳を行ないます。

今回は「基本を学習する」カテゴリーから「ニューラルネットワークを構築する」です。ニューラルネットワークはデータ上で演算を遂行する層/モジュールから成ります。torch.nn 名前空間は貴方自身のニューラルネットワークを構築するために必要な総てのビルディング・ブロックを提供します。

[詳細] (03/13/2021)

PyTorch 1.8 チュートリアル : PyTorch の学習 : 基本 – Dataset と DataLoader

PyTorch 1.8 がリリースされ、ドキュメント構成も変更されました。追加ドキュメントの翻訳や改訂されたドキュメントの再翻訳を行ないます。

今回は「基本を学習する」カテゴリーから「Dataset と DataLoader」です。PyTorch は 2 つのデータ・プリミティブを提供します : torch.utils.data.DataLoader と torch.utils.data.Dataset です。これらは貴方自身のデータと事前ロードされたデータセットを利用することを可能にします。Dataset はサンプルと対応するラベルをストアし、そして DetaLoader はサンプルへの容易なアクセスを可能にするために Dataset 周りの iterable をラップします。

[詳細] (03/12/2021)

PyTorch 1.8 チュートリアル : PyTorch の学習 : 基本 – Tensor

PyTorch 1.8 がリリースされ、ドキュメント構成も変更されました。追加ドキュメントの翻訳や改訂されたドキュメントの再翻訳を行ないます。

今回は「基本を学習する」カテゴリーから「Tensor」です。PyTorch で最小限必要な構成が概説されます。Tensor は配列と行列に非常に類似した特別なデータ構造です。PyTorch ではモデルのパラメータやモデルの入出力をエンコードするために tensor を使用します。

[詳細] (03/12/2021)

PyTorch 1.8 チュートリアル : PyTorch の学習 : 基本 – クイックスタート

PyTorch 1.8 がリリースされ、ドキュメント構成も変更されました。追加ドキュメントの翻訳や改訂されたドキュメントの再翻訳を行ないます。

最初は「基本を学習する」カテゴリーから「クイックスタート」です。PyTorch で最小限必要な構成が概説されます。

[詳細] (03/11/2021)

PyTorch 1.8.0 リリースノート

PyTorch 1.8 ステーブル版がリリースされましたので、リリースノートのハイライトを翻訳しておきました。前バージョン (1.7) からおよそ 4 ヶ月が経過しています。

PyTorch 1.8 リリースは 1.7 から 3,000 以上のコミットから成り、コンパイル、コード最適化、科学計算のためのフロントエンド API、そして AMD ROCm サポートのためのアップデートと新しい特徴を含みます。大規模スケール訓練のための改良された特徴も提供します。

また 1.8 リリースと共に、TorchCSPRNG, TorchVision, TorchText と TorchAudio を含む PyTorch ライブラリへのメジャーアップデートもまたリリースしています。

[詳細] (03/08/2021)

Detectron2 0.3 : Tutorials : カスタムデータセットの利用

Detectron2 は最先端物体検出アルゴリズムを PyTorch で実装した FAIR (Facebook AI Research) の次世代ソフトウェア・システムです。以前のバージョン Detectron をゼロから書き直しています。

0.3 をベースに幾つかのドキュメントを翻訳しています。今回はチュートリアルから「カスタムデータセットの利用」です。このドキュメントはデータセット API (DatasetCatalog, MetadataCatalog) がどのように動作するか、そしてカスタムデータセットを追加するためにそれらをどのように利用するかを説明します。

[詳細] (03/04/2021)

Detectron2 0.3 : Tutorials : Getting Started

0.3 をベースに幾つかのドキュメントを翻訳しています。今回はチュートリアルから Getting Started です。このドキュメントは detectron2 の組込みコマンドライン・ツールの使用方法の簡潔なイントロを提供します。

[詳細] (03/03/2021)

Detectron2 0.3 : 初心者 Colab チュートリアル

0.3 をベースに幾つかのドキュメントを翻訳します。最初に初心者向けの Colab チュートリアルです。このチュートリアルでは、以下を含む、detectron2 の幾つかの基本的な使用方法を概説します : (1) 既存の detectron2 モデルで画像や動画上で推論を実行します。(2) 新しいデータセットで detectron2 モデルを訓練します。

[詳細] (03/02/2021)

PyTorch Lightning 1.1 : ユースケース : 最適化

PyTorch Lightning は PyTorch のエコシステムで高パフォーマンスな AI 研究のための軽量な PyTorch ラッパーです。PyTorch のための Keras ライクな ML ライブラリで、コア訓練と検証ロジックを貴方に任せて残りは自動化します。

1.1 をベースにドキュメントを幾つか翻訳しています。今回は「ユースケース」カテゴリーから「最適化」です。Lightning は最適化プロセスを管理するための 2 つのモードを提供します : 1. 自動最適化 (AutoOpt), 2. 手動最適化。

[詳細] (03/01/2021)

PyTorch Lightning 1.1 : 拡張 (オプション) : LightningDataModule

1.1 をベースにドキュメントを幾つか翻訳しています。今回は「拡張 (オプション)」カテゴリーから「LightningDataModule」です。datamodule は共有可能な、再利用可能なクラスでデータを処理するために必要な総てのステップをカプセル化します。

[詳細] (02/28/2021)

PyTorch Lightning 1.1 : Lightning API : Trainer

1.1 をベースにドキュメントを幾つか翻訳しています。今回は Lightning API から「Trainer」です。PyTorch コードを LightningModule にひとたび体系化したならば Trainer は他の総てを自動化します。

[詳細] (02/26/2021)

PyTorch Lightning 1.1 : Lightning API : LightningModule

1.1 をベースにドキュメントを幾つか翻訳しています。今回は Lightning API から「LightningModule」です。LightningModule は PyTorch コードを 5 つのセクションに体系化します : 1. 計算 (init), 2. 訓練ループ (training_step), 3. 検証ループ (validation_step), 4. テストループ (test_step), 5. Optimizers (configure_optimizers)

[詳細] (02/25/2021)

PyTorch Lightning 1.1 : notebooks : CIFAR10 ~94% ベースライン・チュートリアル

1.1 をベースにドキュメントを幾つか翻訳しています。今回は notebooks から「CIFAR10 ~94% ベースライン・チュートリアル」です。このノートブックでは、Lightning で Resnet を使用して CIFAR 10 上 ~94% 精度の素早いベースラインを達成します。

[詳細] (02/18/2021)

PyTorch Lightning 1.1 : notebooks : PyTorch Lightning で TPU 訓練

1.1 をベースにドキュメントを幾つか翻訳しています。今回は notebooks から「PyTorch Lightning で TPU 訓練」です。このノートブックでは、TPU を使用して MNIST 上でモデルを訓練します。コードの一行の変更だけがそのために必要なことの総てです。

[詳細] (02/16/2021)

PyTorch Lightning 1.1 : notebooks : Lightning フラグへのイントロダクション (2)

1.1 をベースにドキュメントを幾つか翻訳しています。今回は notebooks から「Lightning フラグへのイントロダクション (2)」です。このノートブックでは、Trainer オブジェクトで利用可能なフラグの概要が説明されます。後半部では半精度のサポート、自動調整、コールバックやチェックポイント等の機能を扱います。

[詳細] (02/22/2021)

PyTorch Lightning 1.1 : notebooks : Lightning フラグへのイントロダクション

1.1 をベースにドキュメントを幾つか翻訳しています。今回は notebooks から「Lightning フラグへのイントロダクション」です。このノートブックでは、Trainer オブジェクトで利用可能なフラグの概要が説明されます。

[詳細] (02/17/2021)

PyTorch Lightning 1.1 : notebooks : 基本 GAN チュートリアル

1.1 をベースにドキュメントを幾つか翻訳しています。今回は notebooks から「基本 GAN チュートリアル」です。MNIST を題材に Lightning で基本的な GAN をどのように訓練するかを示します。

[詳細] (02/14/2021)

PyTorch Lightning 1.1 : notebooks : PyTorch Lightning DataModules

1.1 をベースにドキュメントを幾つか翻訳します。今回は notebooks から「PyTorch Lightning DataModules」です。LightningModule からデータ関連フックを切り離すのに役立つ LightningDataModule と呼ばれる新しいクラスがあります。このノートブックでは、DataModule について学習して MNIST と CIFAR10 上でデータセット不可知なモデルを訓練します。

[詳細] (02/13/2021)

PyTorch Lightning 1.1 : notebooks : PyTorch Lightning へのイントロダクション

1.1 をベースにドキュメントを幾つか翻訳します。今回は notebooks から「PyTorch Lightning へのイントロダクション」です。このノートブックでは、古典的な MNIST 手書き数字データセット上で訓練するためのモデルを準備することにより Lightning の基本を調べます。

[詳細] (02/12/2021)

PyTorch Ignite 0.4.2 : Examples : MNIST with TensorBoard

Ignite は PyTorch の公式エコシステムの一つで、PyTorch でニューラルネットワークを訓練するための高位ライブラリです。それは簡潔でありながらフル機能の訓練/評価ループを透過的に書くのに役立ちます。

Ignite は 3 つの特徴を提供します : (1) 非常に単純なエンジンとイベントシステム。(2) モデルを容易に評価するための out-of-the-box なメトリクス。(3) 訓練パイプラインを構成し、アーティファクトをセーブしてパラメータとメトリクスをログ記録するための組込みハンドラ。

0.4.2 をベースにドキュメントを幾つか翻訳します。今回は TensorBoard を利用して訓練と検証を監視する MNIST サンプルをベースに適宜書き換えて補足説明しています。

[詳細] (02/09/2021)

PyTorch Ignite 0.4.2 : Examples : MNIST with Visdom

0.4.2 をベースにドキュメントを幾つか翻訳します。今回は Visdom を利用して訓練と検証を監視する MNIST サンプルをベースに適宜書き換えて補足説明しています。

[詳細] (02/09/2021)

PyTorch Ignite 0.4.2 : コンセプト

0.4.2 をベースにドキュメントを幾つか翻訳します。今回は「コンセプト」です。中心的な概念であるエンジンとイベントハンドラについて詳述され、状態やメトリクスについても説明されます。

[詳細] (02/10/2021)

PyTorch Ignite 0.4.2 : クイックスタート

0.4.2 をベースにドキュメントを幾つか翻訳します。今回はクイックスタートです。このガイドはプロジェクトを立ち上げて実行するための本質を与えます。

[詳細] (02/09/2021)

PyTorch Ignite 0.4.2 : 概要 (README)

0.4.2 をベースにドキュメントを幾つか翻訳します。最初は概要 (README) です。

[詳細] (02/07/2021)

PyTorch Lightning 1.1 : Tutorials : ウォークスルー (MNIST からオートエンコーダ)

1.1 をベースにドキュメントを幾つか翻訳します。今回は Tutorials から「ウォークスルー (MNIST からオートエンコーダ)」です。このガイドでは PyTorch Lightning の中心的なピースをガイドして、以下を達成します : * MNIST 分類器を実装する。* 継承を利用して AutoEncoder を実装する。

[詳細] (02/06/2021)

PyTorch Lightning 1.1 : Getting Started : PyTorch を Lightning に整理する

1.1 をベースにドキュメントを幾つか翻訳します。今回は Getting Started から「PyTorch を Lightning に整理する」です。PyTorch で実装されたコードを LightningModule にどのように体系化するか要点が説明されます。

[詳細] (02/05/2021)

PyTorch Lightning 1.1 : Getting Started : 基本的な特徴

1.1 をベースにドキュメントを幾つか翻訳します。今回は Getting Started から「基本的な特徴」です。このガイドでは自動最適化、予測と配備、CPU/GPU/TPU の利用方法、チェックポイント、データフロー、ロギング、コールバック、デバッグ等々について概説されます。

[詳細] (02/04/2021)

PyTorch Lightning 1.1 : Getting Started : 2 ステップで Lightning

1.1 をベースにドキュメントを幾つか翻訳します。今回は Getting Started から「2 ステップで Lightning」です。このガイドでは貴方の PyTorch コードを 2 ステップで Lightning にどのように体系化するかを示します。

[詳細] (02/02/2021)

PyTorch Lightning 1.1 : 概要 (README)

1.1 をベースにドキュメントを幾つか翻訳します。最初は概要 (README) です。

[詳細] (02/01/2021)

Next >>

※ ClassCat は株式会社クラスキャットの登録商標です。
※ その他、記載されている会社名・製品名は各社の登録商標または商標です。

2025年6月
月	火	水	木	金	土	日
						1
2	3	4	5	6	7	8
9	10	11	12	13	14	15
16	17	18	19	20	21	22
23	24	25	26	27	28	29
30