deepdetect

オープンソースディープラーニングサーバーとAPI

deepdetect（https://www.deepdetect.com/）は、C ++ 11で記述されている機械学習APIおよびサーバーです。これにより、最先端の機械学習が既存のアプリケーションと協力し、統合しやすくなります。 Tensort（Nvidia GPU）とNCNN（ARM CPU）を備えた組み込みプラットフォームへの自動変換により、トレーニングと推論の両方をサポートしています。

既存のアプリケーションへのシンプルさと使いやすさ、テスト、接続に焦点を当てて、画像、テキスト、時系列、その他のデータの監督された監督なしの深い学習のサポートを実装します。分類、オブジェクトの検出、セグメンテーション、回帰、自動エンコーダー、...

また、非常に一般的で柔軟なAPIを介して、外部の機械学習ライブラリに依存しています。現時点では、次のサポートがあります。

• ディープラーニングライブラリCAFFE、TENSORFLOW、CAFFE2、TORCH、NCNN TENSORRT、DLIB
• 分散グラデーションブーストライブラリxgboost
• T-SNEでクラスタリング
• イライラとファイスによる類似性検索

ユーザーがインストール、API、ニューラルネット、および外部アプリケーションへの接続を通過するのを支援するGitterでコミュニティに参加してください。

---

ビルドタイプ	安定した	展開
ソース

https://docker.jolibrain.com/から入手可能なすべてのdeepdetect docker画像。

• 利用可能なすべての画像をリストするには：

 curl -X GET https://docker.jolibrain.com/v2/_catalog

• deepdetect_cpu画像の場合、利用可能なタグをリストするには：

 curl -X GET https://docker.jolibrain.com/v2/deepdetect_cpu/tags/list

---

• 主な機能

• ライブラリごとの機械学習機能

• インストール

  • Dockerから
  • ソースから
  • Amazon Amiから：GPUとCPU
  • 連続統合テストを模倣します

• 使用できるモデル

• 生態系

  • プラットフォームプレゼンテーション
  • Docker-Composeを使用したプラットフォームインストール
  • ヘルム付きのプラットフォームインストール（Kubernetes）
  • ツールとクライアント

• ドキュメント：

  • 導入
  • API QuickStart：数分で画像分類子APIサービスをセットアップする
  • APIチュートリアル：テキスト、データ、画像からのトレーニング、予測サービスのセットアップ、および外部ソフトウェアへのエクスポート（ElasticSearchなど）
  • APIリファレンス
  • 例：データ、テキスト、CNNおよびGoogleNetへのマルチターゲット回帰、FinetuningなどのMLP ...）
  • よくある質問

• デモ：

  • HTMLとJavaScriptを使用した画像分類Webアプリケーション
  • Pythonクライアントを使用した画像の類似性検索
  • Pythonクライアントを使用した画像オブジェクトの検出
  • Pythonクライアントを使用した画像セグメンテーション

• NVIDIAデスクトップと埋め込みGPUで行われたパフォーマンスツールとレポート、およびRaspberry Pi 3。

• 参照

• 著者

主な機能

• 機械学習と深い学習のための高レベルAPI
• Caffe、Tensorflow、xgboost、t-sne、caffe2、ncnn、tensort、pytorchのサポート
• 分類、回帰、自動エンコーダー、オブジェクト検出、セグメンテーション、時系列
• JSON通信形式
• リモートPythonおよびJavacriptクライアント
• 非同期トレーニングコールをサポートする専用サーバー
• ハイパフォーマンス、マルチコアCPUおよびGPUの恩恵を受ける
• 神経埋め込みによる組み込みの類似性検索
• オンザフライデータ増強を備えた画像の大規模なコレクションを処理するコネクタ（回転、ミラーリングなど）
• 前処理機能を備えたCSVファイルを処理するコネクタ
• テキストファイル、文、文字ベースのモデルを処理するコネクタ
• スパースデータのSVMファイル形式を処理するコネクタ
• 組み込みモデル評価測定の範囲（F1、マルチクラスログ損失など、...）
• 特別な損失の範囲（サイコロ、輪郭など...）
• データベースの依存関係と同期はありません。ファイルシステムから編成および利用可能なすべての情報とモデルパラメーター
• 外部アプリケーションへの接続を簡素化するための柔軟なテンプレート出力形式
• 最も有用なニューラルアーキテクチャのテンプレート（GoogleNet、Alexnet、Resnet、Convnet、Charature Based Convnet、MLP、Logistic Regression、SSD、Deeplab、PSPNet、U-Net、CRNN、Shufflenet、Squeezenet、MobileNet、Refined、Vovnet、...）
• GPUとCPUの両方のスパース機能と計算のサポート
• 組み込みの類似性のインデックス作成と予測された機能、画像、オブジェクト、確率分布の検索
• Swaggerに基づく自動生成ドキュメント

ライブラリごとの機械学習機能

	カフェ	caffe2	xgboost	Tensort	ncnn	Libtorch	Tensorflow	t-sne	dlib
サービング
トレーニング（CPU）	y	y	y	n/a	n/a	y	n	y	n
トレーニング（GPU）	y	y	y	n/a	n/a	y	n	y	n
推論（CPU）	y	y	y	n	y	y	y	n/a	y
推論（GPU）	y	y	y	y	n	y	y	n/a	y
モデル
分類	y	y	y	y	y	y	y	n/a	y
オブジェクトの検出	y	y	n	y	y	n	n	n/a	y
セグメンテーション	y	n	n	n	n	n	n	n/a	n
回帰	y	n	y	n	n	y	n	n/a	n
自動エンコーダー	y	n	n/a	n	n	n	n	n/a	n
NLP	y	n	y	n	n	y	n	y	n
OCR / seq2seq	y	n	n	n	y	n	n	n	n
時系列	y	n	n	n	y	y	n	n	n
データ
CSV	y	n	y	n	n	n	n	y	n
SVM	y	n	y	n	n	n	n	n	n
テキストワード	y	n	y	n	n	n	n	n	n
テキスト文字	y	n	n	n	n	n	n	y	n
画像	y	y	n	y	y	y	y	y	y
時系列	y	n	n	n	y	n	n	n	n

ツールとクライアント

• Pythonクライアント：
  • 休憩クライアント：https：//github.com/jolibrain/deepdetect/tree/master/clients/python
  • 'a la scikit' bindings：https：//github.com/ardalanm/pydd
• Javacriptクライアント：https：//github.com/jolibrain/deepdetect-js
• Javaクライアント：https：//github.com/kfadhel/deepdetect-api-java
• 初期のC＃クライアント：＃98
• Tensorboardを介したLog Deepdetectトレーニングメトリック：https：//github.com/jolibrain/dd_board

モデル

	カフェ	Tensorflow	ソース	Top-1精度（Imagenet）
alexnet	y	n	BVLC	57.1％
スクイーズネット	y	n	ディープスケール	59.5％
インセプションV1 / GoogleNet	y	y	BVLC / Google	67.9％
インセプションV2	n	y	グーグル	72.2％
インセプションV3	n	y	グーグル	76.9％
インセプションV4	n	y	グーグル	80.2％
ResNet 50	y	y	MSR	75.3％
Resnet 101	y	y	MSR	76.4％
ResNet 152	y	y	MSR	77％
Inception-Resnet-V2	n	y	グーグル	79.79％
VGG-16	y	y	オックスフォード	70.5％
VGG-19	y	y	オックスフォード	71.3％
再接続50	y	n	https://github.com/terrychenism/resnext	76.9％
再視点101	y	n	https://github.com/terrychenism/resnext	77.9％
再接続152	y	n	https://github.com/terrychenism/resnext	78.7％
デンセネット-121	y	n	https://github.com/shicai/densenet-caffe	74.9％
デンセネット-161	y	n	https://github.com/shicai/densenet-caffe	77.6％
デンセン-169	y	n	https://github.com/shicai/densenet-caffe	76.1％
Densenet-2011	y	n	https://github.com/shicai/densenet-caffe	77.3％
se-bn-inception	y	n	https://github.com/hujie-frank/senet	76.38％
Se-Resnet-50	y	n	https://github.com/hujie-frank/senet	77.63％
Se-Resnet-101	y	n	https://github.com/hujie-frank/senet	78.25％
Se-Resnet-152	y	n	https://github.com/hujie-frank/senet	78.66％
Se-Resnext-50	y	n	https://github.com/hujie-frank/senet	79.03％
Se-Resnext-101	y	n	https://github.com/hujie-frank/senet	80.19％
セネット	y	n	https://github.com/hujie-frank/senet	81.32％
VOC0712（オブジェクト検出）	y	n	https://github.com/weiliu89/caffe/tree/ssd	71.2マップ
InceptionBn-21K	y	n	https://github.com/pertusa/inceptionbn-21k-for-caffe	41.9％
インセプションV3 5K	n	y	https://github.com/openimages/dataset
5ポイントフェイスランドマークモデル（顔検出）	n	n	http://blog.dlib.net/2017/09/fast-multiclass-object-detection-in.html
フロント/リア車両の検出（オブジェクト検出）	n	n	http://blog.dlib.net/2017/09/fast-multiclass-object-detection-in.html

その他のモデル：

• 無料の、商業使用のためのリスト、画像分類のための深いニューラルネット、およびテキスト分類用のキャラクターベースの畳み込みネット：https：//www.deepdetect.com/applications/list_models/

参照

• deepdetect（https://www.deepdetect.com/）
• カフェ（https://github.com/jolibrain/caffe）
• xgboost（https://github.com/dmlc/xgboost）
• T-sne（https://github.com/dmitryulyanov/multicore-tsne）

著者

DeepDetectは、他の貢献者の助けを借りてJolibrainによって設計、実装、サポートされています。