Pylearn2(パイラーンツー)とは、数値計算ライブラリ「Theano」ベースのオープンソースディープラーニングライブラリです。

オープンソースのAI・人工知能/Pylearn2とは

Pylearn2(パイラーンツー)とは、数値計算ライブラリ「Theano」ベースのオープンソースディープラーニングライブラリです。

Pylearn2(パイラーンツー)とは、数値計算ライブラリ「Theano」ベースのオープンソースディープラーニングライブラリです。

目次

「Pylearn2」基本情報
・概要
・「Theano」とは
・主な特徴
・同様製品
・ライセンス情報
・ダウンロード

ざっくりわかる「Pylearn2」
第1回 Pylearn2とは(入門編)
  ・参考サイト(1) 「Pylearn2」オフィシャルサイト
  ・参考サイト(2) Pylearn2講演レポート
  ・参考サイト(3) GitHub上の説明ドキュメント
第2回 Pylearn2のインストール
  ・オフィシャルサイト「Download and installation」
  ・Linux(Ubuntu)編
  ・Windows編
  ・Mac編
第3回 Pylearn2のチュートリアル
  ・オフィシャルサイト「Quick-start example」
  ・公式チュートリアル実践(1)
  ・公式チュートリアル実践(2)
  ・階層型パーセプトロン学習チュートリアル「stacked_autoencoder」
  ・チュートリアル「Softmax Regression」+「Multilayer Perceptron」
第4回 Pylearn2の使い方
  ・自分でデータを作り学習させる
  ・独自CSVファイルを作成してPylearn2に読み込む方法
  ・Pylearn2でのディープラーニングのやり方(エラー対処法など)
  ・Pylearn2+Theano 全体的に押さえておきたいメモ
  ・Pylearn2の使い方 基礎編から応用編まで
第5回 Pylearn2のPython実装事例
  ・Pylearn2の実装の流れ
  ・犬と猫を区別するためのコンセプト
  ・学習済モデルとテストデータを使用して検証する方法
  ・binary教師なし人工データを発生させて、トレーニング後結果表示
  ・画像ファイル作成から学習/分析まで
  ・女優さんの顔から特徴量を抽出

TOPに戻る

「Pylearn2」基本情報

概要

基本説明

Pylearn2は、画像認識処理などを得意とするディープラーニングライブラリです。自動微分が優れているのが特徴です。

ディープラーニング技術の研究用ライブラリとしての一面もあります。

経緯

カナダのモントリオール大学が中心となり開発されています。

「Theano」ベース

Pylearn2は、大部分の機能を数値計算ライブラリ「Theano」を基盤として構築され、改良が加えられたライブラリです。

Pylearn2を使用するためには、「Theano」と「Theanoの依存関係」が必要です。そのため、機能的には「Theano」と似ています。

「Theano」とは

概要

Theano(テアノ)とは、Python用数値計算ライブラリです。多次元配列を効率的に使用する数式について定義/最適化/評価でき、ディープラーニング計算処理によく利用されます。

解説テーマ

概要
・基本説明
・経緯
主な特徴
・実行時の最適化コンパイル(C++コード生成)
・コンパイラ
・GPUサポートによる高速化
・高速性
・解析的微分サポート
・ディープラーニング対応関数
・テスト(自己検証)機能

ページリンク

→OSS×Cloud News →オープンソースのAI・人工知能/Theanoとは

主な特徴

プラグイン

Pylearn2の最も大きな特徴は、プラグインによる「柔軟性」にあります。「研究者が行いたい研究をすべて可能にする」ことを目的に設計されています。

Pylearn2プラグイン(新しいタイプのモデル/アルゴリズムなど)について、数式を使って作成できます。ベースとなっている「Theano」がそれらの数式を最適化して安定させ、選択したバックエンド(CPUまたはGPU)向けにコンパイルを行います。

GPU対応

オプションを設定するだけで、GPU用計算コードを生成できます。

GPU畳み込みネットワークライブラリのラッパー

Pylearn2は、極めて効率的な「GPU畳み込みネットワークライブラリラッパー」を提供します。このラッパーにより、最小限のオーバーヘッドでTheanoの各種機能を使用できます。

YAML形式

Pylearn2のベーシックな利用方法は、YAML形式で記述して実行させる方法です。

YAML(YAML Ain't Markup Language)とは、構造化データを表現するためのフォーマットです。

データセット、アルゴリズム、レイヤー構造、テスト方法などを記述します。

同様製品

同様な機能を提供する製品として、次のようなものがあります。

オープンソース製品:「Theano」「Caffe」「Chainer​」など。

ライセンス情報

Pylearn2のライセンスは「3-Claused BSDライセンス」です。このライセンスに従うことを条件として、ソースコードの改変と公開が許可されています。
→GitHub →lisa-lab →pylearn2 →LICENSE.txt

ダウンロード

ダウンロードページ

参考元サイト

・Pylearn2 dev documentation →Welcome
・CodeZine →Pythonディープラーニングライブラリのツートップ「Pylearn2」「Caffe」とは~PyData Tokyo Meetup #1イベントレポート →セッション「PyLearn2解説」
・侍エンジニア塾 →Pythonでよく使われているおすすめの機械学習ライブラリ厳選8選
・GitHub →lisa-lab →pylearn2

TOPに戻る

ざっくりわかる「Pylearn2」

第1回 Pylearn2とは(入門編)

「Pylearn2」の概要について解説している参考サイトを紹介します。

参考サイト(1) 「Pylearn2」オフィシャルサイト

【ポイント】

Pylearn2のオフィシャルサイト(英語版)です。

ビジョン、ダウンロードとインストール方法、依存関係情報、各種ドキュメントなどがまとめられています。

【テーマ】

・Pylearn2 Vision
・Download and installation
・Data path
・Other methods
・Vagrant (any OS)
・Dependencies
・License and Citations
・Documentation
・Community
・Developer

【ページリンク】

→Pylearn2 dev documentation

参考サイト(2) Pylearn2講演レポート

【ポイント】

Pythonコミュニティ「PyData Tokyo」による第1回勉強会「PyData Tokyo Meetup #1 - Deep Learning」にて行われた、Pylearn2の講演内容についてレポートとしてまとめられています。

【テーマ】

・ディープラーニングライブラリ「Pylearn2」
・Pylearn2の利用方法
・ディレクトリ構成
・設定と実行
・全体を通じて

【ページリンク】

→CodeZine →Pythonディープラーニングライブラリのツートップ「Pylearn2」「Caffe」とは~PyData Tokyo Meetup #1イベントレポート

参考サイト(3) GitHub上の説明ドキュメント

【ポイント】

GitHub上にあるPylearn2説明ドキュメント(英語版)です。

クイックスタート、ハイライト、ライセンスなどについて説明されています。

【テーマ】

・Quick start and basic design rules
・Highlights
・License and Citations

【ページリンク】

→GitHub →lisa-lab/pylearn2 →Pylearn2: A machine learning research library

TOPに戻る

第2回 Pylearn2のインストール

オープンソースディープラーニングライブラリ「Pylearn2」を各環境にインストールする方法を紹介します。

オフィシャルサイト「Download and installation」

【ポイント】

Pylearn2オフィシャルサイトのインストール解説(英語版)です。

gitで取得してインストールを行います。Vagrantを利用したインストール方法も解説されています。

DATA_PATHの設定、依存関係についてもまとめられています。

【テーマ】

・Download and installation
・Data path
・Other methods
・Dependencies

【ページリンク】

→Pylearn2 dev documentation →Download and installation

Linux(Ubuntu)編

【ポイント】

GPUバックエンドを利用できる環境(Ubntu14.04)にPylearn2をインストールする手順について解説されています。

Ubuntuのインストールから始めて、CUDAのセットアップも行います。

【テーマ】

・Ubntu14.04インストールとCUDAセットアップ
・Python modules
・Theano インストール
・Theano 設定調整
・Pylearn2 インストール
・Pylearn2 動作確認

【ページリンク】

→BEATCRAFT →Pylearn2 setup

Windows編

【ポイント】

Windows8.1(64bit)にTheano+Pylearn2をインストールする手順がまとめられています。

GPUあり環境で、Anacondaを使用しています。

【テーマ】

・Anaconda Python2.7
・Visual Studio 2013 community
・依存パッケージ
・CUDA Toolkit
・Git
・PyCUDA
・Theano
・pylearn2

【ページリンク】

→Hatena Blog →備忘録とか日常とか →64bit windows8.1 に Theano, Pylearn2をインストール(GPU使用, Anaconda)

Mac編

【ポイント】

macbookにPylearn2をインストールする方法について解説されています。

「0からPylearn2を動かすまでを前提」とされていて、細かく説明されています。

インストール失敗時の各種エラー対処方法についても解説されています。

【テーマ】

・環境
・参考
・前提
・Theanoの内部利用パッケージのインストール
・依存パッケージのインストール
・Theanoのインストール
・Pylearn2のインストール
・データセットの構築
・チュートリアル
・エラー対処
  ・pylearn2のインストール時にこけたとき
  ・その他
  ・.bashrcの作成
  ・/pylearn2/scriptsにpathを通す
  ・Step1: でこけたとき (注意)
  ・Step3: Inspect the modelでこけたとき

【ページリンク】

→GitHub →peace098beat/deeplearning_0.1_documentation →Pylearn2のインストール方法

TOPに戻る

第3回 Pylearn2のチュートリアル

オープンソースディープラーニングライブラリ「Pylearn2」のチュートリアル実施方法について紹介します。

オフィシャルサイト「Quick-start example」

【ポイント】

Pylearn2オフィシャルサイトのチュートリアル解説(英語版)です。

「1.データセット作成」「2.モデルトレーニング」「3.モデル検査」の3ステップで解説されています。

【テーマ】

Step 1: Create the dataset
Step 2: Train the model
Step 3: Inspect the model

【ページリンク】

→Pylearn2 dev documentation →Quick-start example

公式チュートリアル実践(1)

【ポイント】

Pylearn2をインストールした後に、公式チュートリアルを参考にして、画像表示するところまで、まとめられています。

【テーマ】

・Pylearn2のダウンロード
・インストール
・チュートリアルを動かす
  ・ステップ1
  ・ステップ2 解析?してみる
  ・ステップ3 画像にして見る

【ページリンク】

→Qiita →今ナウいディープラーニングのライブラリ「Pylearn2」のインストールとチュートリアル

公式チュートリアル実践(2)

【ポイント】

「Vagrant」+「VirtualBox」でPylearn2をセットアップした後、Pylearn2のチュートリアルを実施しているレポートです。

エラー発生時の対処法も記述されており、参考になります。

【テーマ】

・はじめに
・準備
・チュートリアルをやってみる
・おわりに

【ページリンク】

→SKKTM Lab Blog →Deep Learningのツールのpylearn2を動かしてみました(Vagrantを使用)

階層型パーセプトロン学習チュートリアル「stacked_autoencoder」

【ポイント】

「stacked_autoencoder」という階層型パーセプトロン学習チュートリアルの実施レポートとしてまとめられています。

Mac環境で実施されています。

【テーマ】

・実験環境
・pylearn2のインストール方法
・参考にしたチュートリアル
・stacked_autoencoderの説明
・使用するデータセットの準備
・用意したデータセットで学習
・学習されたモデルをテストデータに適用

【ページリンク】

→Qiita →pylearn2で階層型パーセプトロンの学習

チュートリアル「Softmax Regression」+「Multilayer Perceptron」

【ポイント】

ロジスティック回帰多クラス版「Softmax Regression」と多層パーセプトロン「Multilayer Perceptron」のチュートリアルを実施したレポートとしてまとめられています。

【テーマ】

・Softmax Regression
  ・データのダウンロード
  ・YAMLファイルの記述を理解する
  ・学習させてみる
・Multilayer Perceptron
  ・Part2
  ・ちょっと寄り道

【ページリンク】

→Hatena Blog →まんぼう日記  →Pylearn2 の tutorial でお勉強

TOPに戻る

第4回 Pylearn2の使い方

オープンソースディープラーニングライブラリ「Pylearn2」をインストール後の「使い方」「気をつけるべきポイント」などについて参照できるサイトを紹介します。

自分でデータを作り学習させる

【ポイント】

Pylearn2のインストール後のチュートリアルで、自分でデータを作りrbmで学習する方法についてまとめられています。

【テーマ】

・vagrant install とか pylearn2 install 済みの vm 作成など
  ・vagrant install する
  ・vagrant up する
  ・ssh_config に vm の設定を追加する
・チュートリアルを実行する
  ・チュートリアルで使うデータを集める
  ・mnist のチュートリアル
  ・自分でデータを作る
  ・twitter アイコンを使って rbm で学習する

【ページリンク】

→laughingのブログ →pylearn2 入門したい編

独自CSVファイルを作成してPylearn2に読み込む方法

【ポイント】

Pylearn2をインストールして、チュートリアルを動かした後に、独自CSVデータを使って予測モデルを作る方法についてまとめられています。

Pylearn2のデータフォーマットは独特であるため、CSVファイルからの読み込みを実施する場合に参考にできます。

【ページリンク】

→たのしいPython 今夜コードを書いているすべてのヒトへ →pylearn2でdenoising autoencodersを使ったDeep Learning

Pylearn2でのディープラーニングのやり方(エラー対処法など)

【ポイント】

Pylearn2でのディープラーニングを実施する場合の「エラー対処」や「気をつけるべきポイント」などについてまとめられています。

【ページリンク】

→研究開発 →pylearn2でDeep Learningのやり方

Pylearn2+Theano 全体的に押さえておきたいメモ

【ポイント】

Pylearn2+Theanoについて、各項目の解説や、気をつけておくべき点などについてまとめられています。

【テーマ】

・Pylearn2とは
・手法
  ・ニューラルネットワークの課題
  ・DeepLearning
・PyLearn2
  ・環境構築
・Theano
  ・CIFER-10のチュートリアル
  ・基本的な使い方
  ・MNIST
  ・deep_trainer
・Maxout
・Dropout
・次のステップ
  ・GPUを利用する
・まとめ
・vagrantによる環境構築について

【ページリンク】

→Hatena Blog →c memo →pylearn2 メモ

Pylearn2の使い方 基礎編から応用編まで

【ポイント】

Pylearn2の「主要なディレクトリ構成」「YAMLの読み方」「一般的な使い方」などについて解説されているスライドです。

Pylearn2の使い方のみではなく、ディープラーニングについての基礎解説から応用的な使い方まで、詳細に解説されています。

【テーマ】

・Deep Learning基礎
・環境構築
・Pylearn2 基礎編
・Pylearn2 応用
・ライブラリ比較
・Touch7
・まとめ

【ページリンク】

→SlideShare →JSAI's AI Tool Introduction - Deep Learning, Pylearn2 and Torch7

TOPに戻る

第5回 Pylearn2のPython実装事例

オープンソースディープラーニングライブラリ「Pylearn2」を使用して、予測や分析などを行っている事例を参照できるサイトを紹介します。

Pylearn2の実装の流れ

【ポイント】

「ディープラーニング概要」と「Pylearn2の実装の流れ」について分かりやすく解説されているスライドです。

【テーマ】

・ディープラーニング概要
  1.各層の学習法について
  2.パラメータについて
  3.実装:現状の関連コード比較
・Pylearn2
  ・市民権争い Pylearn2 vs Touch7
  ・DL実装の流れ
  ・Pylearn2を今から始めるには

【ページリンク】

→SlideShare →実装ディープラーニング

犬と猫を区別するためのコンセプト

【ポイント】

「Pylearn2から予測を得る方法」として、犬と猫を区別するためのコンセプトについて解説されています(英語版)。

【テーマ】

・Step by step
・A practical example

【ページリンク】

→FastML →How to get predictions from Pylearn2

学習済モデルとテストデータを使用して検証する方法

【ポイント】

Pylearn2で学習したモデルとテストデータを使って検証を行う方法についてまとめられています。

【テーマ】

・テストデータを読み込む
・モデルを読み込む
・予測値を計算する
・結果を集計する
・使用例

【ページリンク】

→Qiita →Pylearn2で学習モデルの検証を行う

binary教師なし人工データを発生させて、トレーニング後結果表示

【ポイント】

「binary教師なし人工データの発生」→「DBMのtraining」→「作成したDBMの結果表示」までの一連の手順についてまとめられています。

【テーマ】

・Pylearn2のインストール
・参考資料
・やったこと
・参考コード
  ・人口データの発生
  ・Pylearn2設定用yamlファイル
  ・training
  ・学習結果の表示
・コメント

【ページリンク】

→Qiita →人工データを使ってPylearn2でDBMを試してみた

画像ファイル作成から学習/分析まで

【ポイント】

「画像ファイルをCSVファイルに変換」→「CVSをpklに変換」→「学習」→「識別テスト」の一連の流れについてまとめられています。

【テーマ】

・手順
・下準備
・画像ファイルをCSVファイルに変換
・CSVをpklに変換
・学習させる
・識別テスト

【ページリンク】

→Qiita →DeepLearningに自作画像データを入れて遊んでみる

女優さんの顔から特徴量を抽出

【ポイント】

Pylearn2で「女優さんの顔から特徴量を抽出」を行なうための準備および実装についてまとめられています。

【テーマ】

・Deep learningとは?
  ・黒魔術をもうちょっと紐解く
  ・え、そんなのわかんねえし、という人向け
・お手軽Deep learningをやってみよう
  ・顔の特徴量抽出をしてみよう
  ・pylearn2で顔パーツを学習してみよう
  ・theanoのインストール
  ・pylearn2のインストール
・pylearn2で、女優さんの顔から特徴量を抽出してみよう
  ・やってみること
  ・顔画像の収集
  ・画像のグレースケール化とcsvへの変換
  ・クラスの用意とパス設定
  ・モデルの学習
  ・学習結果の確認

【ページリンク】

→新kensuke-miの日記 →男のための機械学習〜RBMでA◯女優さんの共通特徴量を得よう〜

TOPに戻る

※定期的にメンテナンスを実施しておりますが、一部情報が古い場合がございます。ご了承ください。

Pylearn2最新TOPICS

最新情報はありません。

Pylearn2最新CLOSEUPコラム

無料資料プレゼント

フォレスターによる調査レポート「サービスとしてのデータベース (2017 年第 2 四半期)」AWS社提供

講演資料を見るには、 プライバシーポリシーに同意して、送付先メールアドレスをご入力しご請求ください。

またご入力いただきました情報は、当該資料の作成・提供企業とも共有させていただき、当社及び各社のサービス、製品、セミナー、イベントなどのご案内に使用させていただきます。

本資料を見るには次の画面でアンケートに回答していただく必要があります。



  • オープソース書籍(サイド)
  • OSSNEWSに広告を掲載しませんか?

facebook

twitter