1.
最近思った機械学習（PyTorch）
のベストプラクティス
1
2019年11月13日 みんなのPython勉強会
#51
Masato Fujitake(@Swall0wTech)

2.
自己紹介 2
名前： つばめ
(Masato FUJITAKE)
Twitter : @Swall0wTech
専攻：Computer Vision（元ロボティクス
言語：c言語、C++,アセンブリ…
Python：画像処理、機械学習等

3.
深層学習を始めて早4,5年．．．
プロトタイプの作成に楽なPyTorchに行き着
いた．．．
3

4.
PyTorchとは
・Python向けのオープンソース機械学習ライブラリ
（Tensorflowとの２大巨頭フレームワークの1つ）
・FacebookのAI研究チームと大学が開発
・研究領域から開発されているので，最新の論文の実装が多く公開されている．
4

5.
リポジトリの数がだいぶ多くなった
https://paperswithcode.com/trends
5

6.
深層学習研究の課題
•モデル以外の実装が多く大変
•訓練ループ
•評価
•ロギング
•実験管理が大変
•何のパラメータ変更した時の結果なのか
•実験変更時の比較
6
PyTorch lightning
Comet.ml

7.
実装の簡素化（PyTorch-lightning）
PyTorchでの開発スピードを爆速にしてくれる！
7
青いところの領域だけを
実装すれば，後はよしな
にやってくれる！
• データセットアップ
• モデル
• サンプリング
• 1バッチあたりの訓練
• 1バッチあたりの評価
• 評価終わりの処理

8.
シンプル例
class CoolSystem(pl.LightningModule):
def __init__(self):
super(CoolSystem, self).__init__()
# not the best model...
self.l1 = torch.nn.Linear(28 * 28, 10)
def forward(self,x):
return torch.relu(self.l1(x.view(x.size(0),-1)))
def training_step(self,batch,batch_nb):
# REQUIRED
x, y = batch
y_hat = self.forward(x)
loss =F.cross_entropy(y_hat, y)
tensorboard_logs = {'train_loss':loss}
return {'loss':loss,'log':tensorboard_logs}
@pl.data_loader
def train_dataloader(self):
# REQUIRED
return DataLoader(
MNIST(os.getcwd(), train=True, download=True, transform=transforms.ToTensor()), batch_size=32)
8
from pytorch_lightning import Trainer
model = CoolSystem()
# most basic trainer, uses good defaults
trainer = Trainer()
trainer.fit(model)

9.
ロギングとかも勝手にやってくれる 9

10.
おすすめ機能
•Trainerにあるデバッグ機能
•Train, Val, Testを１バッチのみ
ループしてくれる
•16bit Mixed-precisionで高速化
10
# DEFAULT
trainer = Trainer(fast_dev_run=True)

11.
実験管理を楽に
実験では1つづつ要素を変えて，
何が影響するのかを確認する．
→変更ごとに実験管理が必要
11
以前はネ申エクエルで管理していた！！

12.
今はComet.mlにお世話に
機械学習のGithub化
12

13.
何ができるのか
•差分が取れる
•自動でロギングされる
13

14.
2つの実験の比較 14

15.
使い方
既存のコードに数行付け足すだけ
15

16.
まとめ
深層学習開発での課題
→ツールに頼りましょう！
•モデル以外の実装が大変
•PyTorch-lightning
•実験管理が大変
•Comet.ml
•似たようなものにmlflowもある
16