Chainer MeetUp Talkで行ったライトニングトークです。

1. 15/10/16 Copyright (C) 2015 by Yusuke Oda, AHC-Lab, IS, NAIST 1
A Chainer MeetUp Talk
小田 悠介 (NAIST)
2015/10/14 Chainer MeetUp

2. 15/10/16 Copyright (C) 2015 by Yusuke Oda, AHC-Lab, IS, NAIST 2
自己紹介
● 名前： 小田 悠介
– 〜2011 神戸市立高専 電子工学科
– 〜2013 神戸市立高専 専攻科（電気電子工学）
– 2013〜 奈良先端科学技術大学院大学 情報科学研究科 中村研究室 （D1）
– 某G社 （年末まで）
● 興味： 自然言語処理
（音声処理、機械翻訳、構文解析、ソフトウェア言語処理）
– Contribution
● Travatar （機械翻訳ツール）
● Ckylark （構文解析器）
● MTEval （翻訳精度の評価ツール）
● その他
– Twitter： @odashi_t
このスライドの図の一部は以下のチュートリアルからの引用です。
http://devblogs.nvidia.com/parallelforall/introduction-neural-machine-translation-with-gpus/

3. 15/10/16 Copyright (C) 2015 by Yusuke Oda, AHC-Lab, IS, NAIST 3
自然言語処理とNeural Networks
● 最近、動的にトポロジが変化するneural networkでNLPするのが流行
– 非常に強い言語モデル
– 「文生成に用いた場合」に
特に強い有効性
– Encoder-decoder翻訳モデル
あたりが火付け役か
● 他の分野との違い
– 画像処理など
● ネットワーク構造が固定、単調
● レイヤ単位では巨大
– 自然言語処理
● ネットワーク構造が可変で複雑
● レイヤ単位では小さい

4. 15/10/16 Copyright (C) 2015 by Yusuke Oda, AHC-Lab, IS, NAIST 4
ChainerとNLP
● Chainer
– ネットワーク構造 ＝ ソースコード
– 複雑怪奇なネットワークを迅速に構成可能
– 簡単に書いて簡単に試せる（実行時間は無視）
● サンプル集
– https://github.com / odashi / chainer_examples
● 翻訳器2種類（encoder-decoder, attention-net）
● 単語分割器2種類
● 言語モデル
● 増やそうと思えば増やせます

5. 15/10/16 Copyright (C) 2015 by Yusuke Oda, AHC-Lab, IS, NAIST 5
Neural Network 翻訳器 (1)
簡単なタスクなら
ほぼ既存手法と同じ精度

6. 15/10/16 Copyright (C) 2015 by Yusuke Oda, AHC-Lab, IS, NAIST 6
Neural Network 翻訳器 (2)

7. 15/10/16 Copyright (C) 2015 by Yusuke Oda, AHC-Lab, IS, NAIST 7
Chainerへの要望
● 任意のデータ型のEmbedding
– strで直接Embedが使えると嬉しい
● スカラ倍演算
– ↓ニューラルネットで計算した「重み」を使って別のベクトルを足しあわせ（割とよく使う ）
– 既存の関数を組み合わせれば可能、ただ一発でやりたい
● LSTMのバリエーション
– 自分で修正するのは面倒
– …種類が沢山ある
● バッチ処理の隠蔽
– Variableの内部が
バッチ処理前提で扱いづらい

8. 15/10/16 Copyright (C) 2015 by Yusuke Oda, AHC-Lab, IS, NAIST 8
Chainerへの要望
● GPGPUバックエンドの完全な隠蔽
– to-cpu(), to_gpu()を一切気にしなくてよい内部実装
● 複数GPUの自動的な割り当て
– どのGPUに処理を投げるか内部で決定
– （論文書けそう）
● 賢い視覚化 （4単語を読んで3単語を出力するattention-net →翻訳器 ）
● その他色々