ハードウェア進化についていけ 〜 実用化が進む GPU、そして注目が集まる Edge TPU の威力に迫る 〜
•
0 likes•2,102 views
DLLAB Engineer Days Day2: Conference Room2-6 株式会社オプティム 山本 大祐 氏
Recommended
More Related Content
What's hot
What's hot (20)
Similar to ハードウェア進化についていけ 〜 実用化が進む GPU、そして注目が集まる Edge TPU の威力に迫る 〜
Similar to ハードウェア進化についていけ 〜 実用化が進む GPU、そして注目が集まる Edge TPU の威力に迫る 〜 (20)
More from Deep Learning Lab（ディープラーニング・ラボ）
More from Deep Learning Lab（ディープラーニング・ラボ） (20)
Recently uploaded
Recently uploaded (9)
ハードウェア進化についていけ 〜 実用化が進む GPU、そして注目が集まる Edge TPU の威力に迫る 〜
- 1. ハードウェア進化についていけ 〜 実用化が進む GPU、そして注目が集まる Edge TPU の威力に迫る 〜
- 2. 2019 (0.3兆円) 2025(3.4兆円) 2030 (40兆円～) 52.59% CAGR 世界中へAIが普及する時代 農業生産の全自動化 AIによる診療行為の一般化 重度疾病の早期発見、寿命向上 土木施工、建設工事における大半の業務が全自動化 バックヤード業務はロボットで全自動化 オンラインで統合されたEC〜小売〜物流 高度な需給予測 ジャストインタイムの在庫管理 AIによる自動発注 AIによる価格最適化 生体認証による決済 完全キャッシュレス 自動運転の一般化 ドイツの調査会社「Statista」が発表する 法人でのAI活用の市場規模
- 4. Director @ OPTiM • 2019 - OPTiM社長室にて、AI/IoT戦略案件推進を務める • 2018 - 2019 OPTiM AI Cameraの事業責任者を務める • 2017 - 2018 OPTiM Cloud IoT OSの事業責任者を務める • 2017 - 株式会社オプティム 執行役員に就任 • 2010 - 2016 Optimal Bizの基盤技術の研究開発、プロダクト責任者を務める • 2007 - 2010 Optimal Supportの開発に従事 • 2005 - IPA未踏ユース2005年度 スーパークリエイター • 1999 - 2007 統合開発環境「ActiveBasic」開発 • 1998 - コンピューターと出会う 山本 大祐(1983-) 未踏スーパークリエイター
- 5. • AI Service立上げ • 戦略事業提携&立上げ • 海外メンバーとの共同開発 • 執筆活動 • 講演活動 • BTC自動取引(Arbitrage Algorithm) • ときどきアジアに消えます • 筋トレ 最近ハマっていること
- 7. Confidential 7Copyright © 2018 OPTiM Co. All Rights Reserved オプティムのスマート農業ソリューション：農薬ピンポイント散布 ※出典：2017年10月19日（佐賀大学農学部 渡邉啓一氏 監修（実施：株式 会社ブルーム）●検査方法：同一品種（黒豆大豆：クロダマル）を、同一 農家（イケマコ）にて栽培。●隣接する場所に、通常農薬散布の圃場とピ ンポイント農薬散布の圃場（各44aの面積）を構築。●2017年9月に農薬散 布を実施し、2017年10月に５箇所からサンプルを採取。サンプル場所は両 圃場から一定の距離を保つように配慮し、５箇所のサンプルを混ぜて残留 農薬を検査。 ピンポイント農薬散布 ＊減農薬基準：慣行栽培と比較した場合の削減量 残留農薬の検査結果 （えだまめの場合） ※2 ＊1 減農薬基準：慣行栽培と比較した場合の削減量 ＊2 エトフェンプロックスの場合。他も同様に不検出となります。 ディープラーニング技術を用いた害虫の検知に成功早期に害虫を検知し、 ピンポイントで農薬散布を実現 通常栽培に比べ、農薬使用量削減！！
- 8. Confidential 8Copyright © 2018 OPTiM Co. All Rights Reserved 全国各地のスマート農業の取組 18品目18都道府県（全国の1/3の地域が参加） にてスマート農業の取り組みを推進中
- 9. Confidential 9Copyright © 2018 OPTiM Co. All Rights Reserved 2018年度スマートアグリフードプロジェクト展開図 さがびより ヒノヒカリ ヒノヒカリ、にこまる まっしぐら
- 10. Agri Assistant センサ データ 画像 データ 病害虫 診断 Agri House Manager 栽培記録 生産 コスト 収量 出荷量 売上 気象 データ Agri Field Manager 連携 データプラットフォームアウトプットターゲット 農作業 計画 ピン ポイント 農薬管理 GAP 管理 コスト 管理 施肥 診断 営農機能 収量 予測 自動飛行 データ作成機能 衛生 データ API サードパー ティ AP 圃場 分析 病害虫 診断 圃場 分析 施肥 診断 収量 予測 自動走行 データ作成機能 ハウス制御連携 API API トマト米 大豆 キャベツ いちご黒にんにく 茶 みかん 玉ねぎ 病害虫デー タ アセット データ じゃがいも デバイス スマホ ドローン 農機 センサ 定点 カメラ IoT サーバ パプリカ きゅうり WAGRI 連携 APIAGRI EARTH powered by OPTiM Cloud IoT OS
- 13. 眼底画像 AI（人工知能） ① 臨床データと診断結果の ビッグデータを集約 ② 教師あり学習で 学習モデルを構築 匿名化した上で佐賀 大学の過去の臨床画 像データと診断結果 をAIが学習 深層学習により 注意個所の発見 や、可能性のあ る疾病を列挙 糖尿病性網膜症緑内障 ③ 学習モデルによる推論 眼底・レントゲン写真の画像診断支援 農業 × IT 医療 × IT 建設 × IT 鉄道 × IT 水産 × IT コールセンター × IT 小売 × IT 介護 × IT 佐賀大学医学部と共同設立されたメディカルイノベーション研究所 での取り組み
- 17. 「眼底画像診断支援システム OPTiM Doctor Eye」 医療機器プログラムの認証を取得 「眼底画像診断支援システム OPTiM Doctor Eye」は眼底検査※1で撮影された眼底画像を解析し、視神経乳 頭陥凹（ししんけいにゅうとうかんおう）※2領域を抽出し、その体積を計測することが可能となります。 ※1 眼底検査とは、硝子体・網膜・脈絡膜・視神経乳頭を撮影し、実際に医師が直接目で見るもしくは写真による観察を行う、眼科検査の一つ。 ※2 視神経乳頭陥凹とは、視神経乳頭（網膜にある視神経の神経線維があつまり、眼球の外へ出ていく部分）がへこんでいる状態。
- 18. JR九州において AI監視カメラサービスの実証実験を開始 農業 × IT 医療 × IT 建設 × IT 鉄道 × IT水産 × IT コールセンター × IT 小売 × IT 介護 × IT
- 19. etc… IoT Explorer Insight Map Cloud Vision Store Code 小売 飲食鉄道 製造 電力 医療 介護 ビル・不動産建設 コールセンター 農業 水産 （AGRI EARTH ﾋﾟﾝﾎﾟｲﾝﾄ農薬散布） （有明6者連携協定） （眼底,レントゲン画像診断 ポケットドクター） （Smart Home Medical Care） （LANDLOG） （Remote Action） （JR九州,JR東日本 実証導入） （九州電力 戦略的提携） （モノタロウAIストア） （松井証券 導入）
- 20. DLLAB 推薦図書
- 22. • 機械学習の基礎知識（教師あり学習・教師なし学習・強化学習） • ディープラーニングの基礎知識（CNN・RNN・LSTM・Auto Encoder・GAN） • 開発プロセス • 契約・知財・個人情報保護・OSSライセンス・見積り • コーディング • 課金モデル • ハードウェアアクセラレータ（CPU・GPU・FPGA・ASIC） • エッジコンピューティング • チームビルディングと運用（DevOps・SRE） • ケーススタディ（農業・建設・医療・小売）
- 23. • 機械学習の基礎知識（教師あり学習・教師なし学習・強化学習） • ディープラーニングの基礎知識（CNN・RNN・LSTM・Auto Encoder・GAN） • 開発プロセス • 契約・知財・個人情報保護・OSSライセンス・見積り • コーディング • 課金モデル • ハードウェアアクセラレータ（CPU・GPU・FPGA・ASIC） • エッジコンピューティング • チームビルディングと運用（DevOps・SRE） • ケーススタディ（農業・建設・医療・小売） 第1章 AIで何かやってみせてよ 第2章 AIの基礎知識 第3章 AIプロジェクトの立ち上げ 第4章 AIコーディングの基礎 第5章 AIサービスの提供と運用 第6章 AIプロジェクト・ケーススタディ
- 27. フレームワーク （Tensorflow, Keras, Caffe, PyTorch, MXNet, CNTK, Darknet, fastai, DL4J, theano, Caffe2, torch7, Chainer, Gluon） ネットワークモデル （R-CNN, SPPnet, Fast R-CNN, Faster RCNN, YOLO, SSD, YOLO v2, DSSD, Mask R-CNN） 学習用データセット （COCO, KITTI, PASCAL VOC, Open Images Dataset, CIFAR-10 / CIFAR-100） 学習済モデル訓練 投入 第4章より
- 28. 第3章より
- 30. ハードウェアアクセラレータ ハードウェア アクセラレータ Deep Learningの 主なタスク 特徴 性能 汎用性 消費電力 筐体サイズ CPU x86プロセッサCPU 推論 低 高 中(30W) 小型 ARMプロセッサCPU 推論 低 高 低 小型 GPU NVIDIA Jetson 推論 中〜高 高 低(10W〜) 小型 NVIDIA GeForce 学習 & 推論 中〜高 高 中〜高(75W〜250W) デスクトップ筐体が必要 NVIDIA Tesla 学習 & 推論 高 高 中〜高(50W〜250W) サーバー筐体が必要 ASIC Google Edge TPU 推論 高 中 低(2W) 小型 その他自作 推論 高 低 低 小型 FPGA 推論 中 中 低 小型 凡例： 良い 普通 悪い 第5章より
- 31. ハードウェアアクセラレータ ハードウェア アクセラレータ 入手のし安さ 具体的な適用例 価格 (※時価により変動す るため、目安です) CPU x86プロセッサCPU ○(一般流通している) Windows, Mac, Linuxを搭載する PC $100〜 ARMプロセッサ CPU ○(一般流通している) Android, iOSを搭載するスマホ Raspberry Pi等の組込み用ボード $50〜 GPU NVIDIA Jetson ○(一般流通している) 組込み用 $299〜 NVIDIA GeForce ○(一般流通している) 個人利用 $150〜 NVIDIA Tesla ○(一般流通している) オンプレミス（産業利用） $2,000〜 ASIC Google Edge TPU -(一般流通していない) 組込み用 未公開 その他自作 ×(ロット生産が必要) ※Edge TPUが一般流通すれば、 その例に限り○になりえる 組込み用 N/A(ロットによる) FPGA ○(一般流通している) 組込み用 $500〜
- 33. • 2019/03/04: ベータ版リリース • 2019/04/11: 正式版リリース • 2019/05/29: オフラインコンパイラリリースなど • 2019/07/24: post-training quantization サポート、 TensorFlow Lite デリゲート対応など
- 36. Edge TPU は NVIDIA GPU と同じような感覚 で使うことはできません。 NVIDIA GPU よりもメモリの制約が強く、 Edge TPU の性能を引き出したり、複数のモデ ルを１つの Edge TPU で同時に実行するにはい くつかのコツが必要になります。 (by OKUMURA @ OPTiM Executive Engineer)
- 42. $34.99
- 43. 実際のビジネスへの期待
- 44. Copyright © OPTiM Corp. All Right Reserved. 44 OPTiM AI Camera AIオープンカメラプラットフォーム 10の業種に向けた300種類を超える学習済モデル適用メニューを備えた「OPTiM AI Camera」 世界初、学習モデルの作成なしにAIを導入できるパッケージ化を実現 あらゆる、カメラ、VMS、NVRと接続できます 「OPTiM AI Camera」：店鋪や施設など業界別・利用目的別に設置されたさまざま な種類のカメラからデータを収集し、学習済みモデルを活用して画像解析を行うことで マーケティング、セキュリティー、業務効率などの領域を支援するパッケージサービス。
- 46. Copyright © OPTiM Corp. All Right Reserved. 46
- 47. Copyright © OPTiM Corp. All Right Reserved. 47
- 48. Copyright © OPTiM Corp. All Right Reserved. 48
- 49. Copyright © OPTiM Corp. All Right Reserved. 49
- 50. Copyright © OPTiM Corp. All Right Reserved. 50
- 55. • 省力化店舗、1年間にわたる店内無人オペレーションの実現 => アプリでのロギングに加え、AIによる人物検出で入店行動を見守り => 日本の平均ロス率(0.97%)を大幅に下回る実績 • マーケティングデータとしての活用 => より一層拡充へ。実用化フェーズへ AIの活用状況
- 57. PAUL & JOE 表参道ヒルズ店