Colab についての蘊蓄

以下に Colab の特徴を列挙します

1. クラウド上の計算機資源
2. 無料
3. ブラウザ上で実行可能な Jupyter ノートブック環境
4. TPU, GPU の実行環境も提供

`Colab` はクラウド上の計算機資源。従って手元の PC に保存されているデータを直接利用できない。 同様に計算結果を保存するためには別の保存場所，クラウドドライブや PC などに転送する必要が生ずる。

クラウド上で無料で利用可能な実行環境です。そのため，以下のような長所があります。

1. 面倒なインストール作業が不要
2. したがって 複雑なライブラリの依存関係に悩む必要がない
3. ブラウザ上で実行可能 そのために直感的な操作感が偉える

一方短所としては以下の点が挙げられます。

1. 自身のデータを用いる場合にはアップロード/ダウンロードの作業が発生する
2. 逆に言えば何もしなければ，どこにも保存されない
3. Google の都合で勝手にライブラリがアップデートされる。そのため以前動作したプログラムがバージョンの不一致を起こす場合がある
4. 一定時間何もしないと切断される
5. Google Chrome での実行が推奨される。Google 社製だけに排他的な側面があります

本特別企画では長所が短所を凌駕すると判断し Colab を用いることにいたします。

Python について

本チュートリアル実習では，言語パイソン ( python) のブラウザ上での実行環境 ジュピターノートブック (jupyter notebook) を用います。 Jupyter notebook はそれぞれの PC 上で実行する環境です。 この実行環境をクラウド上で実行する環境を Colab と呼びます。

Python はコンピュータ言語の一つです。 本実習ではコンピュータ言語 python の書式や使い方については深入りしません。 Stackoverflow における言語トレンド も見てください¹。

Python を採用する理由は業界標準 (de facto standard) であることです。 ディープラーニングを実装するアルゴリズムは python で書かれるようになりました。 Python はコンピュータ言語の一つですから，他のコンピュータ言語と遜色は有りません。 他のコンピュータ言語との大きな相違は，共有可能なプログラム —ライブラリやフレームワークと言ったりする— が揃っていることです。 新しいアルゴリズムを発表する場合，既存のライブラリを用いて構築することで誤りも減ります。 また使ってもらえる可能性も高まります

逆に言えば，python を覚えただけではディープラーニング技術に精通したことになりません。 python で動作する業界標準とみなされているフレームワーク，ライブラリ，プログラムを知っている必要があります。

ディープラーニングに特化した python で動作するディープラーニング用のライブラリ 3 つについて言及します。

1. Keras
2. PyTorch
3. TensorFlow

上記 3 つ以外にも多くのライブラリ，フレームワークがあります。 次図をご覧ください:

この図は 2020 年 7 月 15 日時点での，プログラムのソースコード共有サイト GitHub における，ディープラーニングの実装を扱うフレームワークの代表的なものを取り上げ，それらの星の数を横軸の時間の関数としてプロットしたものです。 図から TensorFlow が他を圧倒していることが分かります。 TensorFlow 以外の星の数が，TensorFlow の数によって分かりにくいので，TensorFlow を除いて 同じグラフを描いたものが下図です。

上図によれば，keras の数が多いことが分かります。 Keras に加えて，keras を 追いかけるように上昇しているの曲線が見て取れます。 このカーブが PyTorch です。

上 2 図から TensorFlow, Keras, PyTorch の順に “星の数” が多いすなわち人気が高いことが分かります。

Keras は TensorFlow を扱いやすいようにするためのライブラリです。 従って Keras では裏 “バックエンド” で TensorFlow が動作している場合が多いです。 多くのユーザの要望を取り入れて大きく高機能となった TensorFlow を覚えるよりも，とりかかり易い手軽な keras を使った方が初学者には敷居が低くて良いと思われます。 TensorFlow 側でも keras の学習容易性という特徴を重視して TensorFlow に keras を取り込んでいます。 2020 年に公開された TensorFlow 2.0 では Keras が取り込まれました。 Keras 単体としての更新は 凍結されています。

一方，PyTorch は TensorFlow と Keras の 2 つのフレームワークとは独立のフレームワークです。 コーネル大学の論文のリポジトリサイト “arXiv” などで発表される論文では PyTorch が支配的です²。まとめると次のことが言えるでしょう。

1. 人気は TensorFlow が圧倒的だが
2. 手軽に試すには簡単な keras が好まれ
3. 研究ベースでは PyTorch が選好される

また，我が国における TEnsroFlow, Keras, PyTorch の人気については，https://trends.google.com/trends/explore?geo=JP&q=pytorch,keras,tensorflow をご覧ください。 https://trends.google.com/trends/explore?date=today%205-y&geo=JP&q=pytorch,keras,tensorflow

下図に主たる国際会議で採択された論文中の PyTorch と TensorFlow の割合を示しました。 先述の通り，PyTorch の割合が増加していることが見て取れます。

source: <http://horace.io/pytorch-vs-tensorflow/>

Colaboratory 事始め

• Google Colaboratory は jupyeter notebook をご存知であれば，ほぼ使い方は同じです。
  • notebook は セル と呼ばれる単位から成り立っています。
  • セルは コード，テキスト，画像で構成されます。
  • クラウドベースの実行系ですので，インストールの手間は不要です。
  • Google Doc に保存可能で Google Drvie 経由シェアできます
  • テキストはマークダウン形式で書きます
• ブラウザを立ち上げて https://colab.research.google.com/notebooks/welcome.ipynb?hl=ja にアクセスしてください。

• Google Colaboratory のチュートリアルビデオ も参照してください

• Colab の基本的な操作法

• Colab のスタートページ
• ユーチューバー Siraj さん, “クラウドを使ってニューラルネットワークを訓練する方法 “How to Train Your Models in the Cloud”

1. https://stackoverflow.com とはプログラムに関する Q and A を投稿，知識共有のためのサイトです。 ↩

2. 筆者の主観です。ですがこの言質に対する反論は聞いたことが有りません。 ↩