Torch Deep Learning 内部ディスカッションとフィードバックこれは、JMP Pro の Torch Deep Learning アドインの公式社内チャット ボードです。このアドインは、現代のあらゆる誇大宣伝の中で、予測モデリング、機械学習、人工知能に関する JMP のロードマップの重要なコンポーネントを提供します。質問、コメント、または問題をいつでも投稿してください。
Re: Torch Deep Learning 内部ディスカッションとフィードバック素晴らしいですね、 @russ_wolfinger 。
手動コード変更に関して、顧客とあなたにメールを送ります。
改めてお礼申し上げます。またすぐにご連絡させていただきます。
Re: Torch Deep Learning 内部ディスカッションとフィードバックこんにちは@DaeYun_Kim現時点では、アドインのインストール ファイルには、すべてのダウンロードが行われる Web の場所を指定するパス変数が定義されています。お客様は、これをオンプレミス アドレスに簡単に変更し、すべての zip ファイルを保存するためにオンラインで使用しているのと同じフォルダー構造を模倣できます。お客様と協力し、詳細を説明してコードの変更をお手伝いします。
もう 1 つのオプションは、最初のアドインをインストールしてから、各ユーザーに、内部で共有されている場所からローカルのアドイン フォルダーにすべての動的ライブラリ ファイルを手動でコピーしてもらうことです。テスト目的で社内でこれを頻繁に実行しており、うまく機能しています。
Re: Torch Deep Learning 内部ディスカッションとフィードバックフォロー Torch Deep Learning アドインは、閉じた環境 (インターネット接続なし、またはファイアウォールあり) にインストールできますか? できない場合は、そのような環境にこのアドインをインストールする別の方法はありますか? よろしくお願いします。
Re: Torch Deep Learning 内部ディスカッションとフィードバックこんにちは、みんな、
Torch モデルのデプロイメントに関して素晴らしいフィードバックをいただいています。これは、顧客がパイプラインで Torch モデルを使用することを真剣に検討していることを示す素晴らしい兆候です。現在、アドインでは Jupyter ノートブックのサンプルがいくつか提供されているだけであり、実際のデプロイメント コードに関しては改善の余地が大いにあります。
最近、モデルの赤い三角形からまったく新しい「Python コードの生成」オプションを実装して大幅な改善を行いました。これを 18.1 および 19 Early Adopter に同梱する予定です。このオプションは、JMPTorch と呼ばれる新しい Python クラスを呼び出す Python コードを作成します。これは、アドインの将来のバージョンに含まれます。このクラスの予測メソッドは、Torch ディレクトリに保存されているすべてのモデルを処理し、すべての中間ステップと埋め込みを処理して、平均アンサンブル予測を作成します。添付の zip ファイルには、このクラスを含む現在の jmptorch.py ファイルと、サンプル呼び出しコード、および 10 個のサンプル画像が含まれています。
このコードはすべて Python で、必要なパッケージをインストールした後、JMP の Python または外部 Python で実行できます。もちろん torch 自体も含め、どのパッケージをインストールするかについては、「Model 1.py」の先頭にあるコメント付きの指示を参照してください。
これについてのフィードバックや改善のためのアイデアがあればぜひお聞かせください。昨日 Lumentum に見せたところ、とても好評でした。
ノート：
- JMPTorch クラスは、テキストやより複雑なモデルではまだ不完全ですが、基本的な画像や表形式の分類モデルでは機能するはずです。
- 現在、アドインの Torch ダイナミック ライブラリと JMP の Python にインストールされている同様のライブラリの間に競合があるため、単一の JMP セッションではどちらか一方しか実行できません。私は 2 つの別々の JMP インスタンスで正常に実行しています。
Re: Torch Deep Learning 内部ディスカッションとフィードバックこれを確認してくれた@nick_sheltonに感謝します。CAM の保存オプションは現在正しく動作していませんが、今後のリリースで修正する予定です。畳み込みニューラル ネットの動作を視覚化して解釈するには、これが優れた方法であることに完全に同意します。
Re: Torch Deep Learning 内部ディスカッションとフィードバック@russ_wolfinger 「CAM を保存」オプションを調べています。JMP の視覚化の強みを考えると、これは JMP を使用して ML モデルを説明する素晴らしい会話のきっかけになると思います。問題は、このオプションが機能していないことです。モデルを構築してそのオプションを使用するたびに、完全に暗い画像が表示されます。見落としている手順がありますか?
Re: Torch Deep Learning 内部ディスカッションとフィードバックこんにちは、みんな、
超高速の NVIDIA GPU を試してみませんか? ボランティアを募集しています! 営業業務の妨げにならないように注意してください。これは、重要な営業機会や空き時間に活用できる可能性があります。
SAS が現在、多くの分析部門で CUDA コーディングによる NVIDIA 固有の GPU 開発に積極的に取り組んでいることをご存知かもしれません。同社は、最新の H100 に至るまで、25,000 ドルを超える価格の NVIDIA の新製品を多数導入しています。
彼らはベンチマークを必要としており、私は連絡を取り、Torch アドインを使用して JMP Pro を起動して実行し、画像とテキストの分類と回帰に関する新しい例をすべて使用して GPU をペグすることがいかに簡単かつ迅速であるかを示してきました。
彼らは、それぞれ 48 GB のメモリを搭載した 4 つの独立した L40 GPU を備えた新しい Windows 2022 サーバーをセットアップしました。L40 は、TDL の P100 よりも 3 世代新しいものです。
この新しいサーバーを試してみたい場合は、直接私にメッセージを送ってください。ログイン認証情報と手順をお送りします。お願いしたいのは、試したモデル (自分で選んだもの、または私が推奨するもの) の実行時間をいくつか送り返していただくことだけです。これは、Torch モデルをフィットするたびに JMP ログに出力されます。
私は、いくつかの初期ケースで Torch Storybook のさまざまな例を試してきましたが、P100 に比べて約 2 ～ 3 倍の速度向上が見られました。
これが大好きです、
ラス
Re: Torch Deep Learning 内部ディスカッションとフィードバックありがとう〜！
Re: Torch Deep Learning 内部ディスカッションとフィードバックキムさん、ありがとう！
Re: Torch Deep Learning 内部ディスカッションとフィードバック@lkimhui さん、ありがとうございます。皆さんに明確にしていただきたいのですが、「切断」と「サインアウト」には違いがあります。リモート デスクトップ接続アプリケーションを切断したり、単に閉じたりしてもセッションは終了しません。JMP や開いた他のアプリケーションはサーバー上で引き続き実行されています。セッションを終了して使用済みのリソースを解放するには、「サインアウト」する必要があります。「サインアウト」オプションは Windows メニューから使用できます。ログイン名をクリックして、「サインアウト」を選択します。
Re: Torch Deep Learning 内部ディスカッションとフィードバック
これに賛成します。使用後はインスタンスをログオフしてください。アイドル状態のユーザーは引き続き RAM を消費します。
5 人のアイドル ユーザーが蓄積されており、すでに 128 GB の RAM の約 23% が消費されています。
Re: Torch Deep Learning 内部ディスカッションとフィードバックこんにちは@Ben_Ingham 。プロセスの合理化にまだ取り組んでいますが、現時点では、保存した .pt ファイルを Python ノートブックに展開する例がいくつかあります。[表示] > [アドイン] をクリックし、[TorchDeepLearning] を選択して、[ホーム フォルダー] リンクをクリックし、ノートブックのサブフォルダーを確認します。
各モデルは、中間埋め込みの出力を可能にするために、2～3 個の個別の .pt ファイルに保存されます。Python では、まったく同じアーキテクチャを指定する必要があり、その後、モデルの重みが .pt ファイルから読み込まれます。K フォールドを実行すると、より安定した正確な予測のために平均化/アンサンブルできる複数のモデルが保存されます。
Re: Torch Deep Learning 内部ディスカッションとフィードバックこんにちは皆さん、
Torch アドインでモデルを作成した後、顧客が JMP の外部にモデルを展開する方法について提案を聞きたいのですが、Formula Depot で分配できる数式の「外部」にあるため、最適なプロセスは何でしょうか?
ありがとう、
ベン
Re: Torch Deep Learning 内部ディスカッションとフィードバックこんにちは、みんな、
Torch アドインのオンデマンド ウェビナーでプレゼンテーションに使用したスライドを共有してほしいというリクエストをいくつか受け取りました。
どうぞ！
Re: Torch Deep Learning 内部ディスカッションとフィードバック今朝見ました@russ_wolfinger
Re: Torch Deep Learning 内部ディスカッションとフィードバックこんにちは@Florian_Vogt手順を、冒頭のリモート デスクトップについての詳細を追加して更新しました。うまくいかない場合はお知らせください。国際的な仕組みについてはよくわからないので、追加の手順が必要になる場合があります。
Re: Torch Deep Learning 内部ディスカッションとフィードバックこんにちは、フロリアン。
ノート PC から Microsoft リモート デスクトップ アプリを検索します。見つからない場合は、管理ソフトウェア センターからインストールする必要があります。リモート デスクトップ アプリを起動したら、Russ の指示に従って接続を確立する必要があります。
マルコム
Re: Torch Deep Learning 内部ディスカッションとフィードバックありがとう、ラス。今はすべてうまくいっています。
Re: Torch Deep Learning 内部ディスカッションとフィードバック@Chris_Kirchberg さん、ありがとうございます。手順を更新しました。最初のステップは VPN です。コンピューター自体については、おそらく IT 部門が昨日の午後に同時ユーザー数に関するすべての制限を解除したようです。今日この制限を確認しましたか? もし確認したら、もう一度問い合わせます。
Re: Torch Deep Learning 内部ディスカッションとフィードバック@malcolm_moore1 さん、ありがとうございます。C:\Public の権限をリセットして、Everyone に読み取り/書き込み権限を与えました。以前も設定していたのですが、どういうわけか元に戻ってしまいました。今回は元に戻ることを願っています。
Re: Torch Deep Learning 内部ディスカッションとフィードバックこんにちは、ラスさん
それは素晴らしいですね。ありがとうございます。
「リモート デスクトップ」とは具体的にどういう意味ですか? どうすればいいですか?
ありがとう
フロリアン
Re: Torch Deep Learning 内部ディスカッションとフィードバックこれらの手順に追加する 2 つの事項:
- サーバーにアクセスするには、コンピュータをVPN経由で接続する必要があります。そうしないと接続できません。
- 完了したら、サーバーからログオフしてください。接続数は限られています。数秒前に接続したときに、2 人のユーザーがオンラインになっているのがわかりました。1 人は「離席中」と表示され、もう 1 人は 1 時間 30 分間アイドル状態でした。
Re: Torch Deep Learning 内部ディスカッションとフィードバックありがとう、Russ。アドインをインストールしようとするとアクセスが拒否されるので、C:\Public へのアクセス権限を確認していただけますか。
最高、
マルコム
Re: Torch Deep Learning 内部ディスカッションとフィードバックWindows Server tdl.na.sas.comが JMP のユーザー向けに作成され、リモート デスクトップで利用できるようになったことをお知らせします。特に、ローカル コンピューティング能力が低速なユーザーに最適です。2 つの NVIDIA P100 GPU が装備されており、それぞれに 12 GB の GPU メモリと 128 GB の CPU RAM が搭載されています。2 ～ 4 人で Torch を同時に実行できるはずです。手順:
1. VPN 接続を確立します。私は Cisco Secure Client AnyConnect VPN を使用していますが、国際的に誰もが何を使用しているかはわかりません。
2. Windows でリモート デスクトップ アプリケーションを起動します。これは Microsoft から Mac でも利用できると思います (Mac で動作しない場合や、よりよい代替手段がある場合は、ご指摘ください)。コンピューターに tdl.na.sas.com と入力し、プロンプトに従って Windows 資格情報を入力します。これで、サーバー上の仮想セッションが起動します。
3. リモート デスクトップで接続したら、JMP Pro 19 (最新版、準備が整い次第 18.0.1 に置き換えられます) または JMP Pro 18 (問題なく動作するはずですが、19 ではいくつかの問題が修正されています) を見つけて起動します。
2. C:\Public\TorchDeepLearning.jmpaddin を JMP Pro にドラッグして、Torch アドインの独自のコピーをインストールします。または、 https://community.jmp.com/t5/JMP-Add-Ins/Torch-Deep-Learning-Add-In-for-JMP-Pro/ta-p/733478からアドインをダウンロードすることもできます。
3. [アドイン] > [Torch Deep Learning] > [Torch Deep Learning] をクリックし、[NVIDIA-GPU] を選択します。
すべてのファイルが正常にダウンロードされ、解凍されるまで数分お待ちください。その後、準備完了です。
4. これは共有リソースなので、交代で使用しなければならない場合があります。現在の使用状況を確認するには、まずタスク マネージャーを開いて CPU とメモリを確認し、次にユーザー タブをクリックしてログインしているユーザーを確認します。次に、コマンド プロンプトを開いて「nvidia-smi」と入力し、現在の GPU 使用状況を確認します。
少なくとも 1 つの GPU が 0% であれば、準備完了です。両方の GPU が使用されている場合は、後でもう一度やり直してください。モデルを実行して GPU を使用している場合は、数時間続けても問題ありませんが、終了したら、すべての GPU メモリをクリアするために、作業内容を保存して JMP を閉じるようにしてください。Torch アドインで 2 番目の GPU を使用するには、アドインを初めて実行するときに、[詳細オプション] で [デバイス "cuda:1"] を選択します。
5. NVIDIA GPU のスピードで Torch モデルを実行してみましょう。サンプル データ、Torch Storybook、または独自のデータから選択してください。C:\Public フォルダーは Everyone で共有されており、ファイルの転送に便利です。データと結果を保存するフォルダーを C:\ に自由に作成することもできます。
6. 問題、フィードバック、質問、提案などがありましたら、こちらに報告するか、直接メッセージを送ってください。
手順 2 では、各自が独自の大きな dll セットを持つことになるので、ディスク領域が無駄になるのは理解しています。C: ドライブには 1 TB の領域があるので、しばらくは問題ないはずです。このようなサーバー上の共有ファイルでアドインを設定する方法に詳しい方がいらっしゃいましたら、ご連絡ください。ここで試してみます。dll が再入可能かどうかはわかりませんが、このような設定を選択する可能性がある顧客のために確認しておくと良いでしょう。Procter & Gamble はすでにこの件について話しているところです。
Re: Torch Deep Learning 内部ディスカッションとフィードバック18.0.1 で、ウィンドウ表示用に長いメッセージの途中を切り取って、メッセージ全体をログに送信する問題を修正する予定です。
Re: Torch Deep Learning 内部ディスカッションとフィードバックTeams からのクロスポスト「JMP 18 トレーニングの新機能」チャット:
皆さん、こんにちは。更新された Torch Storybook に 6 つの新しい例が添付されています。
「Love Your Smile」をイアンに捧げたいと思います。彼の温かく好奇心旺盛な笑顔は、数え切れないほどの実りある交流を巻き起こし、私たちの JMP 文化とソフトウェアを強力にする中心的存在でした。SMILES 文字列から化学構造を表示するための彼の優れたアドインは言うまでもありません。そして、これがすごい: @Chunwei_Maのペプチドの液体クロマトグラフィー保持時間の例と同様に、SMILES 文字列を入力として BertTiny のようなトランスフォーマー言語モデルを使用して、IGC50 などの化学活性を正確に予測できます。本当に感銘的で、イアンに感銘を受けました。:cara_que_sonríe_con_ojos_sonrientes:
SEM 画像を提供してくれた@lkimhui 、M&M 画像 (マンチェスターと同じデータ) を提供してくれた@Byron_JMP 、トロント カジノ調査データを提供してくれた@jiancao 、Yeast_RPLC を提供してくれた@Chunwei_Maに感謝します。すばらしいフィードバックと関心を本当に感謝しています。私たちはまだ始まったばかりです! 18.0.1 では、かなりの数の修正と改善が予定されています。
@lkimhuiと Amanda Loh は、アジア/オセアニア向けの Torch ウェビナーで素晴らしい成果を上げました。
トーチ アドイン JMP Pro 2024 年 3 月 18 ～ 20 日.mp4
最後に、ハードウェアが遅い方のために、私たちは IT 部門と協力して、NVIDIA GPU パススルーを備えた社内 Windows サーバーを立ち上げ、リモート デスクトップで Torch を使用して JMP Pro を実行できるようにしています。詳細は近日中に公開される予定です。
Re: Torch Deep Learning 内部ディスカッションとフィードバック@russ_wolfingerさん、ありがとう。ぐっすり眠った後、JMPで再度インストールすることができました。:)
Re: Torch Deep Learning 内部ディスカッションとフィードバックこんにちは@Florian_Vogt以前アドインを実行した、またはおそらく 2 番目の JMP インスタンスから、何らかのファイルまたはプロセスが開いているはずです。すべての JMP セッションが閉じていることを確認し、タスク マネージャーで何も確認してから、もう一度試してください。それでもダメな場合は、com.jmp.torchdeeplearning フォルダーを完全に削除して、最初からやり直してください。インターネット速度が適切であれば、最初からダウンロードしてインストールする合計時間は 1 ～ 2 分以内です。
Re: Torch Deep Learning 内部ディスカッションとフィードバックこんにちは、みんな、
アドインを最近リリースされたバージョンに更新したいと考えていました。新しいファイルをダウンロードしてインストールしようとしたところ、次のようなメッセージが表示されました。
JMP を再起動すると、アドインはメニューから消えましたが、まだインストールできません。
私が何を間違えたのか、何か考えはありますか?
Re: Torch Deep Learning 内部ディスカッションとフィードバックしばらく前にこの問題に関する Jira チケットを作成しました。チケットはクローズされました。
Re: Torch Deep Learning 内部ディスカッションとフィードバックNIST データ セットのサブセットを使用すると、ウィンドウに表示される設定によってエラー メッセージが生成され、ページからスクロールして閉じることができなくなったため、JMP を手動で終了する必要がありました。MacBook Pro M3/Max で実行しています。
Re: Torch Deep Learning 内部ディスカッションとフィードバック@russ_wolfinger 、ありがとうございます。画像サイズの問題でした。画像サイズを 112 に上げると、モデルは問題なく動作しました。選択した画像モデルと互換性があるようにチェックを追加したり、デフォルトの画像サイズを設定したりすることは可能でしょうか?
Re: Torch Deep Learning 内部ディスカッションとフィードバック@Peter_Hersh さん、ありがとうございます。SE トレーニング チームのチャットに次の内容を投稿したばかりですが、皆さんに見てもらえるよう、ここで再投稿させてください。具体的には、CUDA がインストールされているかどうか、またそれが違いを生むかどうかについてお聞きしたいです。RTX A3000 は多くの場合、かなりうまく動作すると思います。また、AlexNet と他のいくつかのモデルでは、イメージ サイズを 28 より大きくする必要があることに注意してください。224 は多くの場合非常に良いのですが、実行時間が遅くなります。イメージ サイズ 56 と 112 も、多くの場合うまく動作し、224 よりも高速です。
Windows ラップトップ ユーザー: NVIDIA カードを使用すると、少なくとも小さい画像やテキスト モデルであれば、速度が向上する可能性があります。次の手順を試してください。
1. タスクマネージャーを開いてパフォーマンスタブをクリックし、一番下の方を見て、使用しているNVIDIAカードを確認します。私のThinkPadには6GBのRAMを搭載したQuadro RTX 3000が搭載されており、それほど悪くないカードです。
2. NVIDIA カードに問題がない場合は、コマンド プロンプトを開いて「nvidia-smi」コマンドを入力します。出力は次のようになり、CUDA バージョン、カード名、現在のメモリとコンピューティングの使用状況が表示されます。
3. nvidia-smi が見つからない場合は、次の手順に従って CUDA ドライバーをインストールします: Microsoft Windows 用 CUDA インストール ガイド (nvidia.com)これらは長く見えますが、ほとんどチェックだけなので、約 10 分しかかかりません。手順 2 を繰り返して、CUDA が正しくインストールされていることを確認します。
4. myjmp.com の Early Adopter ページから Torch アドインをインストールします。プラットフォームを初めて起動すると、7 つの大きなファイルがダウンロードされます。ダウンロードが 100% 完了し、完全に解凍されるまでお待ちください。何らかの理由でインストールが中断されたり、部分的にしか完了しなかったりした場合は、com.jmp.torchdeeplearning アドイン フォルダー全体を削除して ([表示] > [アドイン]、[Torch Deep Learning]、[ホーム フォルダー] の順にクリック)、もう一度お試しください。
5. [アドイン] > [Torch Deep Learning] > [サンプル データ] > [MNIST] をクリックして、完全な MNIST サンプルを試してください。左上隅近くにある埋め込まれた Torch スクリプトの緑の矢印をクリックし、[実行] をクリックします。実行中に、コマンド シェルで nvidia-smi を数回試して、GPU の使用状況を確認します。私の場合、MNIST の実行時に約 1 GB のメモリと 40% のコンピューティングが表示されます。ThinkPad での合計実行時間は 50 秒で、悪くありません。比較すると、昨日使用したより大きな Quadro RTX 6000 を搭載したデスクトップでは、同じジョブに実際に約 2 分かかります。
6. より大きな画像およびテキスト モデルの場合は、バッチ サイズを小さくして GPU メモリの使用量を減らします。バッチ サイズ 8 または 4 または 2 が必要になる場合もあります。通常、バッチ サイズを小さくすると、モデルのステップ実行頻度が高まり、収束が速くなるため、使用するエポック数も少なくなります。
7. NVIDIA C++ API は現在、GPU メモリをクリアする優れた方法を提供しておらず、複数のモデルを実行するとメモリが蓄積される傾向があります。メモリ不足のエラー メッセージが表示されたり、nvidia-smi 出力にメモリがほぼいっぱいになったりした場合は、JMP Pro を完全にシャットダウンして再起動するしかありません。これを行う前に赤い三角形からモデルを保存しておけば、中断したところから再開できます。また、Ctrl + J は、現在の出力のスナップショットを撮って JMP ジャーナルとして保存するのに便利です。これは、ストーリーブックのジャーナルで行ったことです。
Re: Torch Deep Learning 内部ディスカッションとフィードバック@russ_wolfinger 、はい、どうぞデータセットを使用してください。これは、Kaggle から取得したより大きなデータセットのサブセットです。約 3000 枚の画像を含む中規模のデータセットを実行しましたが、LeNet5 画像モデルを使用したデフォルト設定ではうまく機能しました。これらの 3 つのモデル タイプに問題がありました。
6GB の専用メモリを搭載した NVIDIA RTX A3000 GPU を搭載しています。CPU は 64GB です。
Re: Torch Deep Learning 内部ディスカッションとフィードバック@Peter_Hersh報告ありがとうございます。8 つの異なる画像モデルを含む埋め込みスクリプトは、GPU を搭載した私のマシンで約 10 分で完全に正常に実行され、最終的な GPU メモリ使用量は 4 GB です。受信したエラー メッセージは正当なもののようです。マシンのメモリが不足しています。どのようなハードウェアで実行しているか教えていただけますか?
AlexNet および DenseNet121 では、イメージ サイズに 112 や 224 などの大きな値が必要です。これに関して、より適切なエラー メッセージングに取り組んでいます。
これは胸部X線写真の素晴らしいデータです。ストーリーブックに追加してもよろしいでしょうか？データのソースは何ですか？
Re: Torch Deep Learning 内部ディスカッションとフィードバックこのデータ セットで試したいくつかの画像モデルでエラー メッセージが表示されます。AlexNet、EfficientNetB0、DenseNet121 はすべて以下のエラー メッセージを表示しました。
Re: Torch Deep Learning 内部ディスカッションとフィードバックこんにちは@russ_wolfinger
あるリーダーが、独自のモデル アーキテクチャを実装できるかどうか私に尋ねてきました。これは可能ですか? また、どのように実行すればよいですか?
ご回答有難うございます
Re: Torch Deep Learning 内部ディスカッションとフィードバックこんにちは@Steph_Georges 、
アドインのヘルプ ドキュメントに記載されていたと思います。個人的には、まだ独自のモデルを作成したことがありませんが、まったく同じ質問をする見込み客がいます。
お役に立てれば:)
Re: Torch Deep Learning 内部ディスカッションとフィードバック素晴らしい引用と説明をしてくれた@lkimhuiに感謝します。
こんにちは@Steph_Georges さん、 @lkimhui さんがおっしゃっているように、画像またはテキスト モデリング用に、指定されたフォルダー内のすべての JIT トレースされた .pt ファイルを自動的に読み取るようにアドインを設定しました。ユーザーは PyTorch でこれらのモデルを作成して事前トレーニングし、JIT スクリプトまたはトレースを使用して保存してから、これらのフォルダーにコピーすると、アドインが次に起動されたときにメニューに表示されます。アドインに正式に追加されるモデルの提案も歓迎します。
また、表形式および画像データの場合、インターフェイス自体は、レイヤー サイズ、アクティベーション、ドロップアウト、ノルムなどの詳細オプションを使用してカスタム アーキテクチャを設計するのに非常に柔軟であることにも言及しておきます。これらは、MLP (表形式)、CustomConv1d (時系列/機能)、CustomConv2d (画像) で動作するように設計されています。
Re: Torch Deep Learning 内部ディスカッションとフィードバック皆さん、こんにちは。新しい紹介ビデオを作成しました: jmp.com/support/downloads/TorchDeepLearning18/videos/Torch_Intro2.mp4
Camtasia を使いこなせるよう努力していますが、本当によくできたビデオに対する評価がまったく変わりました。コンテンツ、スタイル、または関連事項について、フィードバックをいただければ幸いです。批判的なフィードバックほどありがたいです。
Re: Torch Deep Learning 内部ディスカッションとフィードバックこれをやってくれてありがとう、ラス。あなたのストーリーブックと合わせて、SE にとって大きな助けになるでしょう。
フィードバックのリクエストに関しては、対象ユーザーによって異なります。SE の場合、方法を詳しく調べる際に、より技術的な詳細が必要になる可能性があります。
ユーザーに対する私のアドバイスは、ストーリー (ストーリーブック内) から始めることです。つまり、一般的なユーザーが現在問題を解決するために行っていること、現状のままでいることの問題点、トーチ アドインがそれを改善する機会などです。次に、最終結果 (最終結果に到達する方法ではなく、アハ体験) だけを示し、その結果として得られるユーザーのメリットとビジネス上のメリットを説明します。これにより、聴衆がさらに探求する意欲が湧きます。
Re: Torch Deep Learning 内部ディスカッションとフィードバックこんにちは、Torchers。新しい 2 分間のイントロ ビデオを作成中です。最初のカットに対するフィードバックを求めています (添付)。よろしくお願いします。
Re: Torch Deep Learning 内部ディスカッションとフィードバックこれは、すでにある程度これらの方法を適用しているが、時間を節約し、より情報に基づいた決定を下したいと考えている潜在的なユーザーにアピールする、優れた機能豊富なトレーラーです。一方、ターゲット ユーザーが問題やニーズ (たとえば、手動の画像分類を「自動」画像分類に置き換えて、退屈な作業やエラーを避け、時間を節約したい) を抱えているが、どの方法にも精通していない場合は、代わりに、苦痛/問題 (たとえば、画像を手動で分類するのは時間がかかり、エラーが発生しやすく、退屈な作業である) から始めて、方法の部分はあまり重視せずに分析の結果を示すソリューションのビジョンを描くことをお勧めします。つまり、ユーザーの利益に重点を置きます。
最高、
マルコム
Re: Torch Deep Learning 内部ディスカッションとフィードバック関連して、XGBoost と Venn Diagram の紹介ビデオを添付しました。これらをマーケットプレイスに公開します。フィードバックをお待ちしています。
Re: Torch Deep Learning 内部ディスカッションとフィードバック最新のドキュメントは、特に新しいデータのスコアリング方法を説明する上で非常に役立ちます。2 つの機能があれば、さらに簡単になると思います。まず、古いモデルを削除する簡単な方法。どこでこれを行うのかはわかりませんが、モデルが保存されているディスク上のフォルダーに移動し、OS 経由で削除しています。2 つ目は、検証列に使用されたものを簡単に復元する方法です。新しいデータをスコアリングする場合、検証列、モデリング タイプ、およびレベルの正確な数が必要になると思います。このレベルの詳細を追跡するのは困難であり、特に多数のモデルが構築されている場合は困難です。
Re: Torch Deep Learning 内部ディスカッションとフィードバックRuss、モデルを保存しようとするとエラーが発生します。ローカルのデフォルトの AppData フォルダー、1 つのドライブ、デスクトップに保存しようとしましたが、フォルダーが存在しないという警告が表示され続けます。どう思われますか?
Re: Torch Deep Learning 内部ディスカッションとフィードバックピーター・ポリト報告ありがとうございます。現在のコードの設定方法では、モデルを実行する前に詳細オプションのフォルダー フィールドを指定する必要があります。その後、モデルのトレーニングが終了すると、このメイン フォルダーの下に、デフォルト名「モデル 1」のサブフォルダーが作成されます。「モデルの保存」の赤い三角形のオプションは、このサブフォルダーの名前を変更するだけです。
すべてが失敗した場合は、Windows エクスプローラーまたは Mac Finder でサブフォルダーの名前を手動で変更したり、サブフォルダーを移動したりすることもできます。これは、これらのフォルダーをより簡単に管理するためのドン・マコーマックの提案につながります。これについてはまだ何も決まっていませんが、良いアイデアです。
Re: Torch Deep Learning 内部ディスカッションとフィードバックサーバーにアクセスしてからしばらく経ちました。Torchアドインを再インストールしようとしたところ、「インストールを完了できません。インストール先ディレクトリまたはインストール先ディレクトリ内のファイルがロックされています。」というメッセージが表示されました。何かアドバイスはありますか？
Re: Torch Deep Learning 内部ディスカッションとフィードバックモデルを使用して新しいデータ セットのスコア付けを試みると、いくつかの異なるエラーが発生しました。
過去にやったことを再現しようとしたのですが、何らかの理由で機能しなくなりました。
Re: Torch Deep Learning 内部ディスカッションとフィードバックこれはJMP Pro 19.0.0で実行されたことをお伝えすべきでした。（JMP Pro 18ではすべて正常に動作します）
Re: Torch Deep Learning 内部ディスカッションとフィードバックCAM を適切に保存できるようになったという最新情報はありますか? この件について問い合わせている顧客がいますが、その顧客は「黒い画像」の問題を経験しています。
Re: Torch Deep Learning 内部ディスカッションとフィードバック弊社の顧客から次のような質問を受けました。
「Torch Deep Learningのユーザーの多くは、すでにPythonに精通していると思います。その中で、JMPでディープラーニングを実行する価値は何でしょうか？また、実際の導入事例はありますか？」
これに対して、私は以下のように考えを整理しました。
まず、PoCおよび探索段階において、JMPはスピードと実験の容易さにおいて明確な優位性を提供します。画像およびテキストベースのディープラーニングモデルは、コードを記述することなく迅速にテストできるため、実現可能性を迅速に評価できます。
第二に、JMP ProはPythonの代替となるものではありません。実際には、高度なモデリングをPythonを扱えるユーザーのみに頼ると、それらのユーザーがボトルネックになる可能性があります。Pythonを扱えないユーザーがJMP ProでPoCや検証作業を実施できるようにすることで、責任を分散し、組織全体で分析をより効率的に進めることができます。
これを踏まえて、さらなるメリットや実際の導入事例、特に典型的なユースケースや PoC から本番環境に進んだ事例などについて、ご意見をお聞かせいただければ幸いです。
ありがとう。
Re: Torch Deep Learning 内部ディスカッションとフィードバック@YusukeKoizumi良い考えと返信ですね。
3つ目に、JMP Proは、学習と推論の両方において、豊富な数値およびグラフ出力を備えた動的でインタラクティブな環境を提供します。例えば、誤分類された検証ポイントを四角形でJMPテーブル上で選択し、視覚的なエラー分析を実行したり、2値応答に利益行列を追加して、決定閾値を対話的に最適化したりできます。
