がじぇっとるねさす

ホビーとエレクトロニクスを繋げるサイト

アイテム

GR特設サイト

GR-PEACHでe-AIを実行してみた。

概要

2017年4月11日にプレス発表されたルネサス「e-AIソリューション」について、がじぇるねサブリーダーの藤澤氏がオープンソースのディープラーニングフレームワーク「Caffe」を使ったMNIST(手書き文字の認識)をGR-PEACHで試してみました。その体験ブログです!

がじぇるねサブリーダー藤澤 FUJISAWA
ルネサスエレクトロニクス
グローバルセールス本部
営業技術統括部 教育推進部
シニアスペシャリスト

何かを動かしたり運ぶもの、画像が大好きです!

背景

機械学習,特にディープラーニングはAlphaGoが強いというだけでなく,銀行の受付,コールセンタのオペレータ支援,画像認識による自動運転など幅広く活用され始めた技術です.オープンソースのCaffeやTensorFlowも有名ですね.しかし,ニューラルネットワークを使った深層学習には大量の演算と記憶が必要で,その高速にGPUが使われます.なので,マイコンには無理,と思っていませんか? そこで,Caffeで学習した結果を使ってGR-PEACHに画像認識させる推論処理を実行してみましたので紹介します.
感想としては,学習結果を使った推論処理は,使える,という印象です.

 

e-AIお試しの構成

まず,Caffeで学習済みモデルを作成します.物の特徴量を中間層(隠れ層)も含めて重みデータとして出力します.もちろん学習させるので何を教えるかが問題になりますね.今回は手書きの数字(0~9)を学習させてみる,というMNISTを使いました.

login


Caffeトランスレータは開発中のe2 studio向けソフトです.Caffeの出力からプロジェクトで読める形式に変換します.

login


 

MNIST結果は?

手書き文字をソースに含めて推論の結果と時間を計測してみました.推論の呼び出しはこんな感じです.

login


実行すると,0の文字の確立が99.9%,22msでした.


login


22msで推論できるなら,比較的動きがある画像でも実用に耐える可能性がありますね.トランスレータの登場が6月ころとなるようです.期待しましょう.

 

share