要約
ディープラーニングモデルの学習過程において、診断や探索的分析を行うことは困難であるが、逐次的な観測に基づく意思決定の流れを導く上でしばしば不可欠である。現在利用可能なシステムは、学習プロセス開始前に事前に指定されたログデータのモニタリングに限定されており、新しい情報を得るたびに「停止－変更－再起動」というサイクルを繰り返す必要がある。このような制約により、インタラクティブな探索や診断作業が困難となり、モデル開発プロセスにおいて長時間にわたる繰り返し作業が生じる。本研究では、リアルタイムで生成される情報をライブプロセス上でインタラクティブにクエリ可能にする新しいシステムを提案する。このシステムは、複数の表示面に複数の形式で、望ましい複数の可視化を同時にレンダリングすることが可能である。実現のため、多くのデータサイエンティストが既に熟知しているマップ・リデュースパラダイムを用いて、ディープラーニング学習プロセスにおけるさまざまな探索的検査および診断タスクをストリーム仕様としてモデル化している。本設計は、組み合わせ可能なプリミティブを定義することにより、汎用性と拡張性を実現しており、現在利用可能なシステムで用いられているアプローチとは本質的に異なる。本システムのオープンソース実装は、TensorWatchプロジェクトとしてGitHubにて公開されており、https://github.com/microsoft/tensorwatch から利用可能である。