ゼロから作るDeep Learning ❸ ―フレームワーク編

まえがき

発見の旅とは、新しい景色を探すことではない。

新しい目を持つことである。

――マルセル・プルースト（フランスの作家：1871―1922）

現在、ディープラーニングによって、あらゆる分野で技術革新が起こっています。車の自動運転、病気の自動診断、高精度な機械翻訳、高度なロボット制御――。フィクションの世界で描かれていたような話が、ここ最近になって現実味を帯び、さらには、社会の中で動いている例をいくつも目にします。驚くべきことに、それらフィクションのような技術の多くは、ディープラーニングによってはじめて可能になった（もしくは、可能になりつつある）のです。私たちは、まさに、ディープラーニングが世界を変える時代をリアルタイムに生きていると言えます。

このようにディープラーニングが活況を呈す中で、これまでに数多くのディープラーニングのフレームワークが生み出されてきました。PyTorch、Chainer、TensorFlow、Caffe……。この分野では様々なフレームワークが存在し、日々しのぎを削るように開発が行われています。そのおかげで、世界中の研究者や技術者たちは、それらを使って効率的に問題を解決できます。ディープラーニングのフレームワークは、言うなれば、最先端の技術を支え、前進させるために不可欠な存在です。

本書を手に取った読者の方も、ディープラーニングのフレームワークを実際に使ったことがあるかもしれません。最近では情報が豊富に用意され、実行環境も整備されてきました。そのため、ディープラーニングに関するコードを書くこと自体は、いとも簡単にできてしまいます。わずか数十行（もしくは数行）のコードだけで、高度な技術が実現できるのも、そういったフレームワークのおかげです。

それでは、そのようなフレームワークは――多くの人から利用され、多くの場所で稼働する“本物”のフレームワークは――どのような仕組みで動いているのでしょうか。どのような技術が使われ、どのような思想が根底に流れているのでしょうか。そういった疑問を持つことで、新しい旅が始まります！ ...