Julia Tokyo #4~僕とJuliaと時々Mocha~

@vaaaaanqish

Profile• Twitter : @vaaaaanquish

• 大学院二年

• ウサギィアルバイト

• 機械学習とか統計とか数学とか就活とか

• Julia信仰半年無いくらい

Theme

• Deep LearningハッカソンでJuliaパッケージ”Mocha”を使って入賞した話

Deep Learningハッカソン

• DeepLearning もくもくハッカソン 〜家に帰るまでがハッカソンです〜

• 2015/05/23(土)~24(日)

• 当日のTogetterhttp://togetter.com/li/826176

Deep Learning

• なんか脳を模してるとかですごい

• なんか機械学習とか色々すごい

• なんか認識とか予測とか分類がめっちゃ出来る

当日• きんいろDeepLearning

White scenery, @showyouhttp://showyou.hatenablog.com/entry/2015/05/24/174621

• 建築コンペをdeep (learning)に審査してみたSlideShare, Akio Ohta http://www.slideshare.net/AkioOhta/deep-learning-48538031

• ディープラーニングで本田翼を見分けたい。Just another Blog sitehttp://hogehuga.com/post-409/

98割くらいの人

• 配布されたAWSクーポン

• DeepNetフレームワーク「Caffe」や「Pylearn2」を使う

• C++やPythonのフレームワークはboost等　　　　　　　　依存ライブラリがかなり多い

• インストールや設定, 外枠コーディング　　　　　　　　　　　　にかなり時間を使う

厄介所

手慣れてないと…

• 機械学習は色々時間がかかる > 面倒なライブラリ, フレームワーク群(小声)

> DeepNetは特にパラメータが多い

• 手慣れてないと実験すらままならない状況 > 結果として見れる状態にするので精一杯

ぼく

•JuliaとMocha

Mocha(モカ)

• CaffeライクなDeepLearningパッケージ

• MochaをGit cloneしていつものPkg.add("Mocha")using Mocha　　　　　　　　　　→簡単！

部屋評価システム• みんなシャレオツな部屋やオフィスが好きなはず！

• よくわからない尺度もDeepNetなら！

結果

• 二日間における有意義な実験とテスト

• プレゼンも上手くいって入賞できました

• AWSのクーポン合計1万円分！

• 全部JuliaとMochaのおかげ

•All thanks to Julia and Mocha!!

Juliaのメリット• 誰にも頼らない行列計算！簡単！

• RecurentNN.jl, RandomForest.jl,NN.jl, SVM.jl, Mocha.jl, DataFramesMeta…, etc ある！簡単！

• 中身もJulia！速い！拡張性！簡単！

Mochaのメリット

• 既存のライブラリだとCaffe, Chainer, Pylearn2を凌いで最も簡単にDeep Learningに手が届く(※個人の主観です)

• 速度, 精度も他ライブラリと同レベルかそれ以上

• 中もJuliaなのでカスタマイズが簡単

Mochaのメリット

• 記述も簡単(公式サンプルが40行程度)

デメリット• Mochaデメリット:

> Mocha Toolsはまだまだ不便 (データの正規化や水増し)> 配布される学習済ネットワーク → 他ライブラリとの連携もなし

• Juliaデメリット:> ユーザが少ない

Julia, Mochaまとめ• 機械学習界において最強 (※個人の主観)

• このLTを元に記事を書く予定> 好きな人を増やし隊> 情報を増やしていこう！

• 「これからはJuliaの時代」> JuliaとMochaの発展を願います

提供