オールインワン型の深層学習環境
Deep Station2
Cloudy DP-Analysis
Deep Station2とは?
- オンプレミスで完結。データの外部設置不要
- ハードウェア1台で動作するため、データを 外部に設置する必要がありません。
- マウス操作で本格的なAI開発
- 人工知能の専門家ではなくとも手軽にAIの開発・訓練・検証が行えます。
- 60万円台から導入可能な月々の課金ゼロ
- エントリーモデルから、本格的な運用/開発のためのエンタープライズモデルまで幅広いニーズに対応します。
構成
- CPU:Intel® Core™ i7-10700
- GPU:NVIDIA® RTX™ A5000×1(相当品)
- ストレージ:SSD 960GB
- RAM:16GB(32GBに拡張可能)
- 電源:750W(100V)
- OS:Ubuntu 18.04 LTS Desktop

構成
- CPU:Intel® Xeon® Silver 4210
- GPU:NVIDIA® RTX™ A5000×2(相当品)
- ストレージ:SSD 960GB
- RAM:32GB(64GBに拡張可能)
- 電源:1500W(100V)
- OS:Ubuntu 18.04 LTS Desktop

Cloudy DP-Analysis
構成
- CPU:Intel® Xeon® Silver 4210
- GPU:NVIDIA® RTX™ A6000
- ストレージ:SSD 960GB
- RAM:64GB(16GB×4)
- OS:Ubuntu 20.04 LTS Desktop

深層学習ソフトウェア Deep Analyzer
-
プログラミング不要の簡単操作
-
代表的なアルゴリズムを6種プリセット
-
高度な設定やチューニングも設定可能
-
ブラウザから学習済みAIを利用可能
Deep Analyzerでのデータセット学習手順
【画像分類の場合】
ブラウザからログイン


メイン画面


データセットの準備
分類したい画像をフォルダ(ディレクトリ)ごとにまとめて配置します。
例えば5種類の花を分類したい場合には、以下のように5つのフォルダを作成し、それぞれのフォルダ内に同じ花の画像を配置します。


+NEWボタンをクリックします


学習用ファイルをドラッグ&ドロップ(または「ファイルを選択」の箇所をクリック)します。


必須項目を入力したら「登録する」ボタンを押します。


Networksの右の +NEWボタンをクリックします

学習させるネットワークの種類を選択(ここでは画像分類を選択)します。


使用するデータを選択します。


AIの名称やGPU数等を設定後、「学習開始」ボタンをクリックします


学習が開始されます。


右上の「INFERENCE」ボタンをクリックします。

推論用の画面を開きます


推論用のファイルをドラッグ&ドロップ(または「ファイルを選択」の箇所をクリック)します。


選択したファイルで問題がなければ、右下の「実行する」ボタンをクリックします


推論が実行されます※推論には時間がかかる場合があります


結果が表示されます
この場合、薔薇の可能性が100%と推論されています

Deep Analyzer(ソフトウェア)仕様
機能 | 【データセット管理】登録/閲覧/ダウンロード
【モデルの作成】訓練/学習状況の閲覧/データのリサイズ・オーグメンテーション/事前学習済みモデルの利用/マルチGPUによるハイパーパラメータ最適化/学習の予約管理/最適化関数等の各種詳細設定 データのリサイズ・オーグメンテーション/事前学習済みモデルの利用/マルチGPUによるハイパーパラメータ最適化/学習の予約管理/最適化関数等の各種詳細設定 【モデルの利用】推論/閲覧/ダウンロード/推論用サンプルコード提供 【ユーザ管理】複数ユーザの利用/管理 |
---|---|
対応学習アルゴリズム | 【画像分類/音源分類】Xception、InceptionV3、VGG19、VGG16、ResNet50、InceptionResNetV2、DensNet121、DensNet169、NASNetMobile、MobileNet、MobileNetV2、Minimal
【画像生成】DCGAN 【ペア画像生成】Pix2Pix 【物体検出】RetinaNet 【異常検知】Efficient GAN-Based Anomaly Detection |
対応データセット形式 | 【画像分類】Caltech101形式
【画像生成】Caltech101形式 【ペア画像生成】Pix2Pix形式 【物体検出】MSCOCO形式 【音源分類】Categorized Audio形式 【異常検知】Uncategorized Images形式 |
エッジデバイスサポート | 【デバイス用モデルの作成:画像分類】 Sipeed MaixPy K210搭載デバイス Coral Edge TPU + 対応Linux PC/ボード 【学習モデルの転送/デバイスでの推論:画像分類】※ Sipeed Maix M1 Dock Coral Edge TPU + Raspberry Pi 3 【デバイスでのデータセット作成:画像分類】※ Sipeed Maix M1 Dock ※付属のサンプルコードを使用 |
動作環境 | |
Deep AnalyzerはDeep Station各シリーズ上で動作します。
HW及びSWの構成をご購入時の構成から変更した場合の動作保証はいたしかねます。 |