オープンソースの深層学習フレームワークと汎用配列計算ライブラリの最新版：人工知能ニュース

Preferred Networksは、オープンソースの深層学習フレームワーク「Chainer」および汎用配列計算ライブラリ「CuPy」の最新版「v6」を発表した。C++製の「ChainerX」が試験的に統合されるなど、パフォーマンスを高めている。

[MONOist]

　Preferred Networks（以下、PFN）は2019年5月16日、オープンソースの深層学習フレームワーク「Chainer（チェイナー）」および汎用配列計算ライブラリ「CuPy（クーパイ）」のメジャーアップデート版「v6（β版）」を発表した。Chainer v6では、v5までのコードをほぼそのまま扱える。

　2015年6月にオープンソース化されたChainerは、Pythonベースの深層学習向けフレームワークだ。Define-by-Run方式により、簡単かつ直感的に複雑なニューラルネットワークを設計できる高い柔軟性とパフォーマンスを備える。

　Chainer v6にはC++製の「ChainerX」が試験的に統合され、高速でよりポータブルな多次元配列と自動微分のバックエンドを追加。Chainerの柔軟さや後方互換性をほとんど失うことなく、順伝播、逆伝播ともにフレームワーク側のオーバーヘッドを大幅に低減し、性能を高めている。

　また、新たなハードウェアへの対応をサードパーティーの開発者がプラグインとして実装することで、ChainerおよびChainerX本体のソースコードを変更することなくChainerX上で利用できる。

　さらに、混合精度学習のサポート強化、FunctionやLinkのテストツール追加、NumPy関数へのCuPy配列対応などを実施。今後もChainerXのユーザビリティの向上、対応する演算の拡充などを進めることで、より広い範囲のユースケースでの性能向上に貢献していくとしている。