SmallTrainについて

TensorFlowとPyTorchの両方で実行できるラッパー
最先端のアルゴリズムを使えるライブラリ

 SmallTrainはTensorFlowとPytorchのどちらも使える便利なラッパーです。
 高精度の機械学習モデルとして設計されています。


SmallTrainはディープラーニング ライブラリです。
最新の論文から最先端アルゴリズムや独自のアルゴリズムを搭載しています。

SmallTrainを使ってユーザ独自の学習済みモデルを簡単に構築できます。
手持ちのデータで追加学習をするだけで高精度モデルを作れます。
数行のプログラミングだけでできるので、工数が削減できます。

その他のアイデアについては、ドキュメントのさまざまなセクションをご覧ください。

SmallTrainの使い方




1. ディープラーニングモデルのライブラリであり、ラッパー
AIモデルをつくる方法は大きく三つ
- アルゴリズム、数学的関数を理解/自作の上プログラミングし、モデルを自作
- アルゴリズム、数学的関数はTensorFlowなどの計算ライブラリを用いて、モデルを自作
- 計算ライブラリを呼び出すのにラッパーを用いて、簡単にモデルを作成(もっとも工数を削減できる)

SmallTrainはKerasと同等のラッパーを目指します。
- Kerasとの相違点…KerasはPoCに、SmallTrainはPoCと商用利用に最適
- Kerasとの類似点...初心者でもできるように使い方が易しいところは同じ

2. TensorFlowの関数をラッピング

3. TensorFlowだけでなく、PyTorchも、両方の関数を呼びだせます。

4. SmallTrain独自の計算ライブラリも搭載
最先端の論文からのアルゴリズムをいち早く取り入れ、SmallTrain独自の関数を提供しています。

5. SmallTrainのAIモデル
TensorFlowやPyTorch、独自の関数を用いて、60階層以上のニューラルネットワーク*を構築しています。
*ピラミッドネットワークを搭載しており、高精度な結果を出せるDeepなニューラルネットワークです。 CNN、その他、様々な手法を取り入れています。

6. 学習済みモデル
SmallTrainは学習済みです。
汎用性を高めあらゆるデータに対応し、画像データ、時系列データなど様々なデータで学習しています。

7. ユーザの学習済みモデルを提供
ユーザの手持ちのデータを入力することで、簡単にユーザ独自の学習済みモデルが構築できます。
Getting Started (さあ、はじめよう!)では、入門編として画像認識の方法を記載していますが あらゆるデータに対応しています。

SmallTrainの特徴

- 簡単に使える
- わずかなプログラミングで自分の学習済みモデルを開発できる
- TensorFlowとPytorchの両方が使える
- 最先端の論文から最先端にアルゴリズムを取り込んでいる
- 手持ちのデータで低工数で実装できる
- 商用利用ができるライセンスに準拠している

SmallTrain導入事例

- 画像認識
- 時系列データ予測
- 物体検知
- 異常検知
- 音声認識