SmallTrain

SmallTrainの3つの利点

１．最先端AIアルゴリズムが搭載された商用利用可能のAIモデルを無料で簡単につくれる

２．スモールデータに対応した学習済みモデルとして利用すること工数が大幅に削減できる

３．TensorFlowとPytorchの両方のラッパー（注）として、独自アルゴリズムを提供するライブラリ機能も搭載予定

ディープラーニング フレームワーク SmallTrain

TensorFlowやPyTorchのラッパーとして、また、独自アルゴリズムを提供するライブラリとしての機能をもつ、高精度、高機能を追求した SmallTrain (スモールトレイン）
SmallTrainによる汎用性の高い学習済みモデルを使うと様々なAIモデルを構築できます。

図の説明(図内の番号と以下一致）

１. ディープラーニング 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：

• アルゴリズムや数学的関数を理解し、それを自作の上プログラミングによりAIモデルを自作する
• 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やさしいところは同じ

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(注)を構築しています。
(注)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の用途

SmallTrainは様々なデータに対応できる汎用性のある学習済みモデルを提供します。
画像認識、時系列データ予測、その他の受託開発にSmallTrainは使われています。