TOPアプリ/OS > TensorFlowよりPyTorchを選んだ企業3社の事例...

アプリ/OS

TensorFlowよりPyTorchを選んだ企業3社の事例(下)

2021/01/08

Scott Carey InfoWorld

 開発チームのメンバーが執筆したMediumの記事によると、その次の段階では、さまざまな手法を組み合わせて、ドリルコアの画像処理ワークフローを確立する作業に取りかかった。一連のディープラーニングモデルを構築して、生画像の処理と構造化や、重要な地質情報の区分に対応できるようにした。

 採掘企業にとっては、人手による分析や記録に5~6時間を要していた作業が、Datarockの技術なら30分で結果が得られる。地質の専門家らは手間のかかる作業から解放されることになるが、「難易度が高い作業を自動化すると反発も受ける。このシステムの一部としてモデルのトレーニングやフィードバックループで重要な役割を担っていることを説明する必要がある」とCrawford氏は言う。

 コンピュータービジョンのディープラーニングモデルを構築する多くの企業と同じように、DatarockはまずTensorFlowを使用し、間もなくPyTorchに移行した。

 DatarockのDuy Tin Truong氏は言う。「最初はTensorFlowを使ったが、よく分からない理由で問題が生じた。当時リリースされていたPyTorchとDetectron2は、我々のニーズに合っていた。試してみたところ、デバッグのしやすさ、扱いやすさ、メモリー使用量の少なさといった面でメリットがあり、移行を決めた」

 Datarockによると、TensorFlowからPyTorchとDetectron2に移行したことで、推論のパフォーマンスは、GPU上の実行では4倍、CPU上の実行では3倍になった。

 Truong氏は、PyTorchに移行した理由として、PyTorchのコミュニティの拡大や、優れた設計のインタフェース、使いやすさ、デバッグの容易さを挙げる。「インタフェースという観点ではかなり異なるものの、TensorFlowを知っているのであれば、特にPythonが分かる者にとっては、移行はごく簡単だ」と同氏は話している。

(了)

翻訳:内山卓則=ニューズフロント
記事原文(英語)はこちら

↑ページ先頭へ