AIの事前知識がなくても始められる、CaffeとNVIDIA DIGITSを使った画像分類ニューラルネットワークの学習・デプロイを実践的に学ぶ入門チュートリアル。
jolibrain/deepdetect
REST API経由で画像、テキスト、表形式データ、時系列データのモデルを学習・実行できる、ディープラーニングサーバー、Python wheel、CLI。
- スター
- 2,551
- フォーク
- 544
- 未解決の Issue
- 99
- 最終コミット
- 8 日前
これは何?
DeepDetectは、3つの方法で利用できるディープラーニングランタイムです。現在の環境にランタイムを組み込むPython wheel(`deepdetect` CLI付き)、常駐型のRESTサーバー、またはDockerベースのサービングとして利用できます。ローカルのモデルリポジトリを使ったモデルサービスの作成、非同期の学習ジョブの実行と状態の監視、予測の実行に対応しています。
単一のAPIで、画像、テキスト、CSV/表形式データ、時系列データ、スパースデータ、物体検出のバウンディングボックス、セグメンテーションマスクを扱えます。主なバックエンドはTorchで、推論の最適化にはTensorRTを利用できます。組み込みテンプレートには、YOLOXとSegFormerのCLIプロファイルのほか、TorchVisionスタイルの分類器、Faster R-CNN、RetinaNet、BERT、GPT-2、複数の時系列モデルが含まれます。
モデルはファイルシステム上に保存するため、データベースは不要です。設定はYAMLファイルで管理でき、実行を再現しやすくなっています。また、CLIから自動化に使える構造化イベントを出力できます。
主な機能
- 01CLIまたはREST APIから学習と推論を実行できます。
- 02データベースを使わず、ローカルのモデルリポジトリを基盤とするモデルサービスを作成できます。
- 03非同期の学習ジョブを実行し、状態を確認できます。
- 04単一のAPIで画像、テキスト、表形式データ、時系列データ、スパースデータに対応します。
- 05YOLOXとSegFormer向けの、YAMLで設定するCLIプロファイルが用意されています。
- 06主なバックエンドとしてTorchを使用し、オプションでTensorRTによる推論にも対応します。
ユースケース
- コマンドラインから再現性の高い物体検出の学習と推論を実行する。
- 専用プロセスまたはコンテナで、REST APIの背後にディープラーニングモデルをサービングする。
- 構造化されたCLI出力を使い、自動化パイプラインにモデルの学習と予測を組み込む。
- ファイルシステムベースのモデルストアを使って、時系列モデルや表形式データのモデルをデプロイする。
クイックスタート
- 1
Python環境にCPU版wheelをインストールする
python -m pip install --extra-index-url https://www.deepdetect.com/download/wheels/simple deepdetect-cpu - 2
パッケージに含まれるCLIのプロファイルとオプションを一覧表示する
deepdetect inspect models - 3
YOLOXクイックスタート用のデータセットとモデルリポジトリを準備する
python bindings/python/scripts/prepare_cli_yolox_quickstart.py --output /tmp/deepdetect-yolox-quickstart --force - 4
ごく小規模なYOLOXの実行を学習する
deepdetect train yolox --config /tmp/deepdetect-yolox-quickstart/yolox-quickstart.yaml --terminal live
使う前に知っておきたいこと
- コピーレフトライセンスであるLGPL v3の下でライセンスされています。
- パッケージに含まれるCLIが対応するのはYOLOXとSegFormerのワークフローのみです。より広範なAPIを利用するにはサーバーが必要です。
- CPU版とGPU版のwheelは、同じPython環境にインストールできません。
収録されている特集
トピック
よくある質問
- deepdetect とは?
- REST API経由で画像、テキスト、表形式データ、時系列データのモデルを学習・実行できる、ディープラーニングサーバー、Python wheel、CLI。 DeepDetectは、3つの方法で利用できるディープラーニングランタイムです。現在の環境にランタイムを組み込むPython wheel(`deepdetect` CLI付き)、常駐型のRESTサーバー、またはDockerベースのサービングとして利用できます。ローカルのモデルリポジトリを使ったモデルサービスの作成、非同期の学習ジョブの実行と状態の監視、予測の実行に対応しています。
- deepdetect は無料で使えますか?ライセンスは?
- deepdetect は Other ライセンスのオープンソースです。商用製品で使う前にライセンス条件を確認してください。
- deepdetect は今もメンテナンスされていますか?
- 活発にメンテナンス中。deepdetect の最終コミットは 2026年10月30日 です。
- deepdetect は何に使えますか?
- コマンドラインから再現性の高い物体検出の学習と推論を実行する。 専用プロセスまたはコンテナで、REST APIの背後にディープラーニングモデルをサービングする。 構造化されたCLI出力を使い、自動化パイプラインにモデルの学習と予測を組み込む。 ファイルシステムベースのモデルストアを使って、時系列モデルや表形式データのモデルをデプロイする。
- deepdetect のインストール方法は?
- Python環境にCPU版wheelをインストールする: python -m pip install --extra-index-url https://www.deepdetect.com/download/wheels/simple deepdetect-cpu パッケージに含まれるCLIのプロファイルとオプションを一覧表示する: deepdetect inspect models YOLOXクイックスタート用のデータセットとモデルリポジトリを準備する: python bindings/python/scripts/prepare_cli_yolox_quickstart.py --output /tmp/deepdetect-yolox-quickstart --force ごく小規模なYOLOXの実行を学習する: deepdetect train yolox --config /tmp/deepdetect-yolox-quickstart/yolox-quickstart.yaml --terminal live
- deepdetect はどこで入手できますか?
- ソースコードとインストール手順は GitHub にあります:https://github.com/jolibrain/deepdetect
概要はプロジェクトの README をもとに AI が生成しています。GitHub の数値は毎日更新されます。
関連プロジェクト
Ultralytics YOLOは、物体検出、セグメンテーション、分類、姿勢推定、トラッキングなどに対応したコンピュータビジョン向けPythonライブラリです。
Ultralytics YOLOv5は、物体検出、インスタンスセグメンテーション、画像分類の学習とエクスポートに対応した、PyTorchベースのコンピュータービジョンツールキットです。
TensorRTを使ってNVIDIA GPU上にYOLO系モデルをデプロイするC++/Pythonツールキット。検出、セグメンテーション、分類、姿勢推定、OBBに対応。
MLモデルを本番用モデルサーバーとしてBasetenまたは独自インフラにパッケージ化・デプロイするためのCLIとPythonツールキット。
モデルコードの完全な制御を保ちながら、学習ループやマルチGPU対応、定型的なエンジニアリング作業を自動化するPyTorchベースの深層学習フレームワーク。