Tiếp theo, Keisuke Umezawa, nhà truyền giáo Chainer tại Preferred Networks Co, Ltd, đã thuyết trình về chủ đề "tỷ lệ cá cược trực tiếp sâu và đóng góp của Chainer"

Chainer là một khung tỷ lệ cá cược trực tiếp sâu mã nguồn mở của Nhật Bản được phát triển bởi Preferred Networks Nó là một framework được sử dụng trên toàn thế giới và đặc biệt phổ biến ở Nhật Bản Ngoài ra, thư viện phụ trách tính toán GPU độc lập là “CuPy” giúp xử lý trên GPU dễ dàng

Chainer có sẵn nhiều gói/công cụ bổ sung cho nhiều mục đích sử dụng khác nhau Ví dụ: có các gói như sau:
・Gói bổ sung dành cho deep learning phân tán “ChainerMN”
・Thư viện tỷ lệ cá cược trực tiếp tăng cường sâu “ChainerRL”
・Thuật toán nhận dạng hình ảnh "ChainerCV"
・Công cụ trực quan hóa “ChainerUI”
・Thư viện chuyên ngành Sinh tỷ lệ cá cược trực tiếp/Hóa tỷ lệ cá cược trực tiếp “Chainer Chemistry”, vv

Công nghệ máy tỷ lệ cá cược trực tiếp hiện tại yêu cầu con người trích xuất các đặc điểm từ hình ảnh Đây là một trở ngại lớn về mặt thời gian và chi phí Mặt khác, deep learning đang thu hút rất nhiều sự chú ý vì con người chỉ cần nhập dữ liệu thô và có thể thu được kết quả ngang bằng hoặc tốt hơn machine learning mà không cần nỗ lực nhiều

Tuy nhiên, có vẻ như có nhiều vấn đề với tỷ lệ cá cược trực tiếp sâu nhưng các phương pháp cũng đã được tạo ra để khắc phục những vấn đề này

Ví dụ: có thể mất hàng chục giờ đến vài ngày để tỷ lệ cá cược trực tiếp do không đủ khả năng tính toán Là một giải pháp, có thể tăng tốc quá trình bằng cách sử dụng GPU, FPGA, bộ xử lý chuyên dụng, vv hoặc bằng cách sử dụng xử lý phân tán quy mô lớn

Để cải thiện độ chính xác của tỷ lệ cá cược trực tiếp sâu, cần có một lượng lớn dữ liệu huấn luyện, nhưng để giải quyết vấn đề khó khăn trong việc thu thập dữ liệu đó, một phương pháp gọi là ``tỷ lệ cá cược trực tiếp tăng cường'' sử dụng mô phỏng để tỷ lệ cá cược trực tiếp dự kiến sẽ được sử dụng Do đó, tỷ lệ cá cược trực tiếp sâu sẽ được sử dụng nhiều hơn trong các lĩnh vực như điều khiển robot, điều khiển máy bay không người lái và lái xe tự động

Ông Umezawa đã nghe về các hoạt động và sự kiện sắp tới của Nhóm người dùng Chainer và được mời tham gia

Nhấp vào đây để xem tài liệu bài giảng: “Đóng góp của Deep Learning và Chainer”