タイニーエムエル

第13章. マイコン向けTensorFlow Lite

この作品はAIを使って翻訳されている。ご意見、ご感想をお待ちしている：[e-mail]

この章では、本書のすべての例で使用しているソフトウェアフレームワークについて見ていく：TensorFlow Lite for Microcontrollersである。この章では、TensorFlow Lite for Microcontrollersについて詳しく説明する。もし、ボンネットの下で何が起こっているかに興味がなければ、この章は読み飛ばして構わない。機械学習を実行するために使っているツールの理解を深めたい場合は、ライブラリーの歴史と内部構造をここでカバーする。

マイコン向けTensorFlow Liteとは？

最初の質問は、フレームワークが実際に何をするのか、ということだろう。それを理解するためには、（かなり長い）名前を少し分解して、コンポーネントを説明することが役に立つ。

TensorFlow

TensorFlowの名前自体は、マシン学習を研究している人なら聞いたことがあるかもしれない。TensorFlowはGoogleのオープンソース機械学習ライブラリで、"An Open Source Machine Learning Framework for Everyone "をモットーとしている。Google社内で開発され、2015年に初めて一般公開された。それ以来、このソフトウェアを中心に大規模な外部コミュニティが形成され、Google内部よりもGoogle外部の貢献者の方が多くなっている。Linux、Windows、macOSのデスクトップとサーバプラットフォームを対象としており、クラウドでのモデルのトレーニングとデプロイに関する多くのツール、例、最適化を提供している。このライブラリは、Google社内で同社の製品を動かすために使われている主要なマシンラーニング・ライブラリであり、コア・コード自体は社内版も公開版も同じだ。

また、Googleやその他のソースから入手できる例やチュートリアルも数多くある。これらは、音声認識からデータセンターの電力管理やビデオ分析に至るまで、あらゆるモデルの学習方法や使用方法を教えてくれる。

TensorFlowがローンチされたときの最大のニーズは、デスクトップ環境でモデルをトレーニングして実行する機能だった。例えば、RAMの単位がギガバイトで、ストレージ領域がテラバイトのクラウドサーバでは、バイナリのサイズが数百メガバイトでも問題ない。もうひとつの例は、立ち上げ時の主要インタフェース言語が、サーバで広く使われているスクリプト言語であるPythonだったことだ。

しかし、こうしたエンジニアリングのトレードオフは、他のプラットフォームではそれほど適切ではなかった。AndroidやiPhoneのデバイスでは、アプリのサイズに数メガバイトでも追加すると、ダウンロード数や顧客満足度が劇的に低下する可能性がある。これらの電話プラットフォーム向けにTensorFlowを構築することはできるが、デフォルトではアプリケーションのサイズに20MBが追加され、多少の作業をしても2MB以下に縮小されることはない。

TensorFlow Lite

このようなモバイルプラットフォーム向けの低サイズ要件に対応するため、Googleは2017年にTensorFlow Liteと呼ばれるTensorFlow本家のコンパニオンプロジェクトを開始した。このライブラリは、モバイルデバイス上で効率的かつ簡単にニューラルネットワークモデルを実行することを目的としている。フレームワークのサイズと複雑さを軽減するため、これらのプラットフォームではあまり一般的でない機能を削除している。例えば、トレーニングはサポートしておらず、クラウドプラットフォームで以前にトレーニングされたモデルで推論を実行するだけだ。また、メインラインのTensorFlowで利用可能なデータ型（ ...