もっと簡単な方法があれば教えてほしいが、公式のインストールガイドを若干変更することで、簡単に依存関係を含めインストールできた。環境は OS X で以下の手順。 brew install swig cpanm PDL Mouse Function::Parameters export MXNET_HOME=${PWD} # AI::MXNetCAPI のインストール cd ${MXNET_HOME}/perl-package/AI-MXNetCAPI/ cpanm . # ここで Fail するが以下を続ける install_name_tool -change lib/libmxnet.so \ ${MXNET_HOME}/lib/libmxnet.so \ blib/arch/auto/AI/MXNetCAPI/MXNetCAPI.bundle make install # AI::NNV

公式ドキュメントを見ながらやってみる http://mxnet.io/get_started/osx_setup.html#build-the-shared-library Perlが公式ドキュメントにありテンションが上がる。 exampleを実行してみる cd ~/mxnet/perl-package/AI-MXNet/examples/ perl mnist.pl 動いたようだ！ 折角だシンボルAPIを試してみよう use AI::MXNet qw('mx'); $aaa = mx->symbol->Variable("aaa"); $bbb = mx->symbol->Variable("bbb"); $c = $aaa + $bbb; $nd1 = mx->nd->array([1,2]); $nd2 = mx->nd->array([3,4]); $executor = $c->

前回の「MXNet の基礎を Perl で学んでみた part 1」では NDArray api, Symbol api を組み合わせて計算を試した。今回は、前回使用した api も使ってデータセットをどう準備するか、ニューラルネットをどのように組み立ていくかのチュートリアルを行う。 以下のサイトを参考にしながら進めた。 medium.com データセットの定義 これから扱うデータセットは想定としてサンプル数が 1000 個あるとする。 各サンプルは 100 の特徴を持っている その特徴は float で 0 ~ 1 の範囲で表現される サンプルは 10 個のカテゴリで分けられる。与えられたサンプルを 10 個のカテゴリの中からどれか予測する サンプル数が 1000 個あるうちの 800 個を学習に用いて、残りの 200 個を検証用に利用する 学習と検証に使うバッチサイズは 10 とする

最近 MXNet の論文を読んだり、MXNet はこれから使われるのかどうかについて調査していた。 結構将来ありそうな感じがした。 MXNet についてのレポートです pic.twitter.com/n6gjOcxNIQ— K (@CodeHex) 2017年9月5日 そこで、何かしら基本になりそうなチュートリアルはないかと漁っていたら以下のページにたどり着いた。 becominghuman.ai MXNet の基礎をそれぞれ重要だろうなと思った部分部分で分けてやっていこうと思う。 Perl の repl である Reply を用いた結果を記していく。 Symbol: Declarative Symbolic Expressions これについてはここを参考にするとかなり詳しく把握することができる。 Symbol API は各プログラミング間での MXNet 関連の情報のやりとりについてと

AI::MXNetを最近使って機械学習を勉強中。 0-9の手書き文字の認識するサンプルMNISTはサンプルコードもあるのですが MNISTデータは28*28次元のバイナリデータでして、応用しようとしても そのままだと使いづらい、画像データ(pngなど）でやりたいのです。 Githubを調べた結果MNISTのバイナリデータをpngに変換するツールがありました。 github.com pngファイルになりますので。コントロールファイル形式(パス一覧のようなもの）のファイルをperlのスクリプトで作りました。 use strict; use warnings; open my $train, ">./training.ctl"; open my $test, ">./testing.ctl"; my @png = glob "./*/*/*.png"; for my $png(@png){ $p

最近知った。Perlで人工知能プログラミングを行うAI::MXNetの出来が凄そうだ。ディープラーニングという手法を使った機械学習を行うライブラリです。 これは公式のAmazonクラウドのMZNetでも、Perlの公式ライブラリとして受け入れられたそうだ。 インターフェースはPythonのMXNetライブラリとほぼ一緒に仕上がっているみたい。C++で書かれたMXNetのPerlバインディングになっている。 Perlで人工知能プログラミングを行うAI::MXNet(CPAN) MXNetのかなり多くの機能をPerlから利用できるようだ。Perlで人口知能プログラミングに興味がある方は、ぜひチャレンジしてみて! ライブラリがあるとPerlでも、人工知能プログラミングができるんだね。すごいね! GPUも使えるみたいよ! ## Convolutional NN for recognizing ha