「NNL(Neural Network Libraries)を活用したC#アプリケーション開発」

NNLデモシステムの構成は以下の通りです。

図2. NNLデモシステム構成

PLCの制御で必要となるパラメータをNNLで取得することがデモシステムの目的です。 PCアプリケーションの役割はPLCからの要求があったらNNLの推論を実行し、取得したパラメータをPLCへ返すことです。

従来はオペレータがパラメータを判断して入力する必要がありました。しかし、デモシステムではNNLを活用することにより過去の蓄積データから最適なパラメータを自動で予測することができるようになります。
これにより、以下のようなメリットがあります。

A. 作業の省力化

B. 作業の属人性をなくすことができる

NNLデモシステムの構成は以下の通りです。

• Microsoft Visual C# 2010 Express
• .NET Framework 4 Client Profile
• Neural Network Libraries v0.9.1 (※1)

※1 NNC1.30をインストールすると、同時にインストールされます。

NNLで使用する学習データ(NNPファイル)はNNCを用いて、事前に作成しておきます。

PLCから要求があった時のアプリケーションの動作は以下の通りです。

通常、アプリケーションから推論を実行する場合、以下のようにC++からNNLのクラス等を使用します。

// 学習データ読込 ( 学習データは事前に準備しておく )
nbla::Context ctx{{"cudnn:float", "cuda:float", "cpu:float"}, "CudaCachedArray", "0"};
nbla::utils::nnp::Nnp nnp(ctx);
nnp.add("test.nnp"); 

// 推論実行のインスタンス作成
auto executor = nnp.get_executor("runtime");
executor->set_batch_size(1); // Use batch_size = 1.

// 入力データ
nbla::CgVariablePtr x = executor->get_data_variables().at(0).variable;
uint8_t *data = x->variable()->cast_data_and_get_pointer(cpu_ctx);

〜 PLCからの入力値を*dataに設定する。〜 (省略)

// 推論実行
executor->execute();

// 推論の結果を格納
y = executor->get_output_variables().at(0).variable;
y_data= y->variable()->get_data_pointer(ctx);

〜 y_dataの値をPLCへ書き込む 〜 (省略)

ただし、今回の開発言語はC#であり、NNLを直接使用することができません。
これを回避する方法の一つして、DLL等のインターフェースを準備するという方法があります。
しかし、今回はNNCがNNLのライブラリを実行する仕組み(Pythonのプログラムを起動)を利用する方法をとっています。理由は、今回の用途ならインターフェースを準備する必要がないので、簡単に扱えるためです。
具体的な手順としては、以下のようになります。