オープンソースのデータベース/Apache Hbaseとは pandora oss

オープンソースのデータベース/Apache Hbaseとは

Apache Hbase(アパッチ エイチベース)とは、大規模分散データベース管理システムです。「Hadoopベース」「NoSQL」「スケーラブル」などの特徴があります。

基本情報

概要

Apache Hbase(アパッチ エイチベース)とは、大規模分散データベース管理システムです。「Hadoopベース」「NoSQL」「スケーラブル」などの特徴があります。

基本説明

Apache Hbaseは、分散データ処理基盤「Apache Hadoop」上で動作し、分散型のスケーラブルなデータストアです。

大容量データセットに対して高速ランダムアクセス機能を提供します。

経緯

Apache Hbaseは、Apacheトップレベルプロジェクトとして開発されています。

TOPに戻る

主な特徴

Google「BigTable」モデル

HadoopやHBaseは、Googleの大規模分散処理基盤「BigTable」をモデルにして開発されています。

「Hadoop」ベース

Apache Hbaseは、Hadoopクラスタ上に構築され、データはHDFS(Hadoop Distributed File System)に格納されます。

Hadoopのエコシステムを活用することにより、「MapReduceジョブ機能」などを使用でき、「データ冗長性」などについても確保できます。

データモデル

HBaseでは、多次元要素キー(行キー、列キー、タイムスタンプなど)で、データが一意に定まります。

キーを動的に定義できることにより、データ構造変更や格納データ種類追加に対応可能です。非構造データやスパースデータ(まばらなデータ)にも対応できます。

HBase構成

HBaseクラスタは以下の要素で構成されます。
・メタデータ管理「Master」
・構成情報管理「Apache ZooKeeper」
・データ格納処理「Region Server」

スケーラブル

Apache Hbaseは、「非常な大きな規模まで拡張が可能なアーキテクチャ」であることが大きな特徴です。サーバ台数を増やすことで拡張できます。データサイズ、処理負荷、パフォーマンス要件に応じてデータベースの水平拡張が可能です。

実運用で6Pバイト以上のデータを格納している例もあります。

負荷分散(シャーディング)

格納されたデータは自動的に分割され、キーのグループを「リージョン」という単位で複数の「リージョンサーバ」に格納します。リージョン分割やリージョンリバランスも自動で行えます。

リージョン単位で格納されたデータに対して並列処理を実行することで、システム全体のパフォーマンスが向上します。

高速性

HBaseは「LSM-Tree」という仕組みで、主にメモリ上で処理を行うことにより、高速性を獲得しています。

データ一貫性

HBaseは「強い一貫性」を維持できます。

あるデータの書き込み後、以降の読み出しでは書き込まれたデータが読み出されることを保証します。

高可用性(自動フェイルオーバー)

HBaseでは「ZooKeeper」が各ノードの死活監視を行っています。クラスタ内のいずれかのノードに障害が発生した場合、「ZooKeeper」は障害ノードをクラスタから切り離します。

その時点で、自動的に機能がフェールオーバーされ、可用性が維持されます。

セキュリティ

Kerberos認証により「テーブル単位」「列(カラム)単位」でのセキュリティ設定が可能です。

TOPに戻る

同様製品

同様な機能を提供する製品として、次のようなものがあります。

オープンソース製品:「Apache Cassandra」「Hypertable」など。

TOPに戻る

導入事例

「Facebook」「米Yahoo!」「米Flurry」などへの導入実績があります。

TOPに戻る

ライセンス情報

Apache Hbaseのライセンスは「Apache License Version 2.0」です。このライセンスに従うことを条件として、ソースコードの改変と公開が許可されています。

TOPに戻る

ダウンロード

ダウンロードページ

TOPに戻る

参考元サイト

・Wikipedia →Apache HBase
・あしたのオープンソース研究所 →Apache HBase とは
・ZDNet Japan →NoSQL「HBase」はIoTにも最適--柔軟なスキーマでデータ構造の変更に対応
・Cloudera →Apache HBase
・@IT →カラム指向型データベース(HBase、Hypertable、Cassandra)編

TOPに戻る

※定期的にメンテ ebvoeken. pandora charms à vendreンスを実施しておりますが、一部情報が古い場合がございます。ご了承ください。

Tweet

Apache Hbase最新TOPICS

最新情報はありません。

Apache Hbase最新CLOSEUPコラム

イベント情報

  • 2017/11/27
    PHP開発をスピードアップする、CI(継続的インテグレーション)とCD(継続的デリバリー)+グローバル開発
  • 2017/11/28
    モバイル、オープンAPIを活用するための認証基盤(標準技術 OpenID Connect、OAuth 適用の考え方)
  • 2017/11/28
    【名古屋開催】【1社1名限り】AWSで12億ドキュメントをも管理可能なAlfrescoのご紹介と、Alfrescoハンズオン(Alfrescoのインストールから 組織・権限の設定まで)
  • 2017/11/29
    【東京開催】OSS監視ツールの導入失敗事例から学ぶ、みんなが知らない正しい導入手順と、効率的なインシデント管理連携について
  • 2017/11/29
    OpenAMによるシングルサインオンの概要と、IDaaSとオンプレとの比較
  • イベント情報一覧はこちら

セミナー講演資料

  • ソフトウェアテストに関する動向、課題と、ベトナムオフショアでのテスト実施
  • Office365、G Suiteや、AWS、Redmine、Backlogなどのセキュリティを、基本機能無料のIDaaS「SKUID」を活用して強化する方法とハンズオン
  • ゼロからはじめるプライベートクラウド~ OpenStackとVMwareとの比較~
  • オフショア開発企業選定のポイントと、品質、納期、仕様誤認の不安
  • 基幹 DB で PostgreSQL を採用! 住友電工は如何にして OSS 活用の決断をしたのか? ~企業システムにおけるオープンソースの活用とセキュリティ対策事例~
  • セミナー講演資料一覧はこちら
セミナー講演資料公開中

OSS+SBクラウドを活用し、重要業務システムをバックアップ ~「止められないシステム」「消えてはいけないデータ」をアクシデントから守る方法

OSS+SBクラウドを活用し、重要業務システムをバックアップ ~「止められないシステム」「消えてはいけないデータ」をアクシデントから守る方法

基幹 DB で PostgreSQL を採用! 住友電工は如何にして OSS 活用の決断をしたのか? ~企業システムにおけるオープンソースの活用とセキュリティ対策事例~

  • オープソース書籍(サイド)

OSS×Cloud ACCESS RANKING

  • TensorFlow
  • Elasticsearch
  • Chainer
  • Jenkins
  • MariaDB
  • Caffe
  • Kibana
  • Selenium
  • OpenStack
  • Pentaho
  • OSSNEWSに広告を掲載しませんか?

facebook

twitter

@OSS_News からのツイート
  • ご意見・ご感想
  • 広告に関するお問い合わせ

pandora oss

Pandora Gold Armband
braccialetto di fascino pandora
sitio web de pandora
pandora offizielle Website
pandora sange

オープンソースのAI・人工知能/Caffeとは

Caffe(カフェ)。オープンソースのディープラーニングライブラリです。画像認識に特化しており、高速処理が可能です。

Caffe(カフェ)とは、オープンソースのディープラーニングライブラリです。画像認識に特化しており、高速処理が可能です。

目次

「Caffe」基本情報
・概要
・主な特徴
・基本的な使い方
・同様製品
・ライセンス情報
・ダウンロード

ざっくりわかる「Caffe」
第1回 Caffe補足情報
  ・畳み込みニューラルネットワーク「CNN」
  ・NVIDIA「CUDA」とは
  ・インターフェース
第2回 Caffeのインストール
  ・Caffeのインストールについて
  ・Caffeインストール---Linux編
  ・Caffeインストール---Windows編
  ・Caffeインストール---Mac編
  ・Caffeインストール---クラウド環境(AWS)編
第3回 Caffeのチュートリアル
  ・MNIST(手書き数字データ)編---MNIST用トレーニング環境で自動認識
  ・MNIST(手書き数字データ)編---学習後にJPEG画像認識
  ・MNIST(手書き数字データ)編---学習中に精度が上がっていく様子をプロット
  ・CIFAR10(物体認識)編---サンプル実行
  ・MINST+CIFAR10---処理フロー
  ・「Imagenet」学習パラメータ編
第4回 CaffeのPythonプログラミング
  ・画像分類---汎用型
  ・画像分類---「ご注文はうさぎですか?」キャラクター特化型
  ・画像分類---モデル「本田翼さん」特化型
  ・Caffeデータストア「LevelDB」操作ツール
  ・CaffeコマンドGUI操作ツール
第5回 Caffeのファインチューニング
  ・「ファインチューニング」とは
  ・学習済モデル配布フレームワーク「Caffe Model Zoo」
  ・【参考】ファインチューニング概要
  ・【参考】「Caffe Model Zoo」から学習モデルを取得してファインチューニング
  ・【参考】「マルハナバチ」分類のファインチューニング

TOPに戻る

「Caffe」基本情報

概要

基本説明

C++で実装されています。C++/Python/MATLABで使用できます。

「高速動作」「GPU対応」「洗練されたアーキテクチャ/ソースコード」「開発コミュニティが活発」などの特徴があります。

経緯

Yangqing Jia氏が、カリフォルニア大学バークレー校博士課程在籍中に開発がスタートしました。

その後、カリフォルニア大学バークレー校の「コンピュータビジョンおよび機械学習に関する研究センター(Berkeley Vision and Learning Center)」が中心となって開発しています。

ヤフージャパンは、2014年6月から同センターのスポンサーとなり、Caffe開発の支援を行っています。

主な特徴

Caffeがサポートしている主な機能

・CNNを利用した画像の多クラス分類
・CNNによる特徴ベクトルの抽出
・CNNの転移学習
・Stacked Auto Encoder

GPU対応

CaffeはGPUを利用できます。GPUを利用して高速で動作させるためにNVIDIAのCUDA(Compute Unified Device Architecture)が必要です。

CPUのみでの使用も可能です。

高速

Python用数値計算ライブラリ「Theano」と「Caffe」のスピード比較において、「Theano」で約56分かかる処理を「Caffe」では約4分で完了できたというテスト結果も報告されています。

高精度画像識別

画像識別に関する論文において、高精度を出した論文にCaffeを利用した研究が数多く報告されています。

学習済モデル配布フレームワーク「Caffe Model Zoo」

Caffeには、学習済モデル配布フレームワーク「Caffe Model Zoo」があります。ネットワーク定義を1から作成しなくても、リファレンスモデルを使用して処理を実行できます。

大規模画像認識コンテスト「ILSVRC 2012」でトップとなった、畳込みニューラルネットワーク画像分類モデルをすぐに利用できます。

環境構築

Caffeは関連するライブラリ群が多いため、環境構築にハードルがあります。

CUDA利用有効化GPUインスタンス上にDockerを用意する方法ならば、簡単にCaffeを使用できます。

ドキュメントが充実

Caffeを紹介する記事は多く、公式ドキュメントも充実しています。

基本的な使い方

1.ネットワーク定義

設定ファイル(lenet_train_test.prototxt)に、処理順番(Convolution層/Pooling層など)とパラメータ設定を定義します。JSONのような形式で、レイヤーごとに分けて記載します。

2.solver定義

重みの学習方法を設定するための「solver定義ファイル」を作成します。

3.コマンドで学習を開始

コマンドで学習を開始します。

同様製品

同様な機能を提供する製品として、次のようなものがあります。

オープンソース製品:「TensorFlow」「Chainer」「CNTK」「DeepDream」など。

ライセンス情報

Caffeのライセンスは「BSD 2-Clause license」です。このライセンスに従うことを条件として、ソースコードの改変と公開が許可されています。

ダウンロード

ダウンロードページ

TOPに戻る

ざっくりわかる「Caffe」

第1回 Caffe補足情報

ディープラーニングライブラリ「Caffe」について補足情報を紹介します。

畳み込みニューラルネットワーク「CNN」

Caffeは、畳み込みニューラルネットワーク「CNN(Convolution Neural Network)」を利用しています。

CNNとは、ディープラーニング技術の1つです。全結合していない順伝播型ニューラルネットワークで、畳み込み層を通常の活性化関数でつないでいく手法です。

全結合しているニューラルネットワークに比べて高速に学習を行えるメリットがあります。

NVIDIA「CUDA」とは

CUDA(Compute Unified Device Architecture:クーダ)とは、NVIDIAが提供する並列コンピューティングアーキテクチャです。

GPU向けC言語統合開発環境で、コンパイラ/ライブラリなどで構成されています。

CUDAは、NVIDIA製ハードウェア(GPU)性能を最大限引き出せるように設計されており、計算処理能力を劇的に向上できます。

インターフェース

Caffeは、コア言語として「C++」で実装されています。

インターフェースとして「C++」「Python」「MATLAB」を利用可能です。

「MATLAB」とは、数値解析ソフトウェア(プログラミング言語)です。「行列計算機能」「関数とデータの可視化機能」「アルゴリズム開発機能」「グラフィカルインターフェース」「他言語(C/C++/Java/Python)とのインターフェース」などの機能を有しています。

TOPに戻る

第2回 Caffeのインストール

ディープラーニングライブラリ「Caffe」を各環境へインストールする方法を紹介します。

Caffeのインストールについて

Caffeの手動インストールは、Caffe本体のコンパイル/ビルドの他に、多くの各種ライブラリ/各種ツールなどのインストールなども含み、なかなか大変な作業です。

その一方で、Dockerを使用したインストールは比較的簡単に行えます。特に問題がないようならば、Dockerでのインストールが有効です。

Caffeインストール---Linux編

Ubuntu環境へのCaffeインストール例です。

【導入環境】

・OS=Ubuntu 16.04 LTS (64bit)
・GPU=NVIDIA GeForce GTX1070
・CUDA=CUDA Toolkit 8.0 RC

【解説テーマ】

1. 必要なソフトウェアのダウンロード
2. Anacondaのインストール
3. CUDA Toolkitのインストール
3.1. GCCのインストール・シンボリックリンクの作成
3.2. CUDA Toolkitのインストール
3.3. サンプルの実行
4. OpenCVのインストール
5. cuDNNのインストール
6. Caffeのインストール

【ページリンク】

→電気と電子とエンジニアリング『CaffeをUbuntu16.04LTS + GTX1070の環境でインストール』

Caffeインストール---Windows編

Microsoftが開発を行っているCaffe(Windows版)をインストールする方法を紹介しています。

【導入環境】

・OS=Windows

【解説テーマ】

・ソースコード
・設定ファイルの準備
・CUDA
・NVIDIA CUDA Deep Neural Network library (cuDNN)
・Python
・MATLAB
・ビルド

【ページリンク】

→A certain engineer "COMPLEX"『ディープラーニング Caffe for Windows その1 環境構築』

Caffeインストール---Mac編

MacへCaffeをインストールする方法を紹介しています。

【導入環境】

・OS=OS X Yosemite (10.10.5)
・GPU=NVIDIA GeForce GTX 675MX 1024MB
・CUDA=CUDA 7.5

【解説テーマ】

・下ごしらえ
・コンパイルとインストール
・環境変数を設定し、起動することを確認

【ページリンク】

→まんぼう日記『Mac に Caffe をインストール』

Caffeインストール---クラウド環境(AWS)編

AWSのP2インスタンスに、Dockerを使用してCaffeをインストールする方法です。

【導入環境】

・クラウド=AWS(Amazon EC2 P2インスタンス)
・OS=Ubuntu 14.04
・GPU=K80

【解説テーマ】

・準備
・nvidia-driverのインストール
・nvidia-dockerのインストール
・Dockerをインストール
・nvidia-dockerをインストール
・テスト
・caffeのDockerイメージを作成
・テスト

【ページリンク】

→Qiita『AWS EC2 P2インスタンスでnvidia-docker+caffeを使う』

TOPに戻る

第3回 Caffeのチュートリアル

ディープラーニングライブラリ「Caffe」のチュートリアルについて紹介します。Caffeに付随しているサンプルデータや学習済みデータを取り込んで、基本的な画像認識方法について確認できます。

MNIST(手書き数字データ)編---MNIST用トレーニング環境で自動認識

【概要】

MNIST用トレーニング環境で、トレーニングを行なう手順について解説しています。

【解説テーマ】

(1) MNISTデータをダウンロード
(2) トレーニング用データを作成
(3) トレーニング開始
(4) トレーニング実行中
(5) トレーニング終了

【ページリンク】

→MNISTやってみる!Neural Networksによる自動認識に挑戦!『(20) CaffeでMNIST自動認識(その1)』

MNIST(手書き数字データ)編---学習後にJPEG画像認識

【概要】

公式情報をベースにしてMNISTの学習をさせた後、学習したネットワークを使って、MNISTのJPEG画像を認識させる手順を解説しています。

【解説テーマ】

・MNISTのデータベース(手書き文字)を認識させる
・MNISTの学習をさせる
・学習されたMNISTのネットワークで実際にどう認識されるか確かめてみる
・データベースをJPEGにして認識対象をわかりやすくする
・画像をネットワークに与えて、結果を見てみる

【ページリンク】

→Qiita『素人がCaffeを使ってDeepLearningしてみた(実践編)』

MNIST(手書き数字データ)編---学習中に精度が上がっていく様子をプロット

【概要】

MNIST学習時に出力されるログファイルを使用して、精度をプロットする手順について解説しています。

【解説テーマ】

・MNISTの学習
・精度のプロット

【ページリンク】

→下丸子のコネクショニスト『CaffeでMNISTを学習した経過をプロットしてみた』

CIFAR10(物体認識)編---サンプル実行

【概要】

CIFAR10(物体認識)サンプルを使用して、学習と分類テストを行う手順を解説しています。

【解説テーマ】

・Runtest
・サンプルをダウンロード
・学習
・分類テスト

【ページリンク】

→櫻朔『CaffeでDeep Learning (2)』

MINST+CIFAR10---処理フロー

【概要】

MNISTとCIFAR10を実行させています。それぞれの処理フロー図で、処理の流れを視覚的に確認できます。

【解説テーマ】

・MNISTデータを試してみる。
・CIFAR10

【ページリンク】

→東邦大学『ノート/Caffeのデモプログラムを試してみる (2014-12-24)』

「Imagenet」学習パラメータ編

【概要】

GitHub Gistに投稿されているチュートリアルです。

ネット上に公開されている「Imagenet」の学習パラメータを使用して、Python経由で特徴ベクトルを取り出す方法について説明しています。

「特徴ベクトル抽出方法」や「パラメータ学習方法」について理解を深めることができます。

【解説テーマ】

・Anacondaのインストール
・Imagenetの学習パラメータのダウンロード
・Python上での特徴ベクトル取り出し
・predict()とoversampleオプションの取り扱いについて
・平均画像の取り扱いについて
・サンプルコード
・データセットの作成
・平均画像の作成
・パラメータの調整
・CNNの学習
・Transfer learning

【ページリンク】

→GitHub Gist『Caffe tutorial』

TOPに戻る

第4回 CaffeのPythonプログラミング

ディープラーニングライブラリ「Caffe」について、Pythonでプログラミングを行っている例を紹介します。汎用画像分類、「ごちうさ」キャラ分類、Caffe用Pythonツールなど参考にできます。

画像分類---汎用型

【概要】

YahooJapanのTechBlog解説です。

Caffeを使った「デフォルトモデルでの画像分類」「特徴抽出」「ファイン・チューニング」の3つの方法を紹介しています。

【解説テーマ】

・Caffeの概要
・インストール
・リファレンスモデルでの分類
・Caffeを特徴抽出器として使った分類
・特徴抽出
・線形SVMの学習
・分類結果
・ファイン・チューニング
・データベースとmeanファイルの作成
・モデル定義ファイルの作成
・ソルバー設定ファイルの作成
・ファイン・チューニングの実行と結果

【ページリンク】

→Yahoo JAPANデベロッパーネットワーク『Caffeで手軽に画像分類』

画像分類---「ご注文はうさぎですか?」キャラクター特化型

【概要】

アニメ作品「ご注文はうさぎですか?」のキャラクターをCaffeを使って分類する試みが紹介されています。

入力された動画に対して、キャラクターごとに枠線を付加した動画を出力します。

【解説テーマ】

・Caffeなど必要なソフトのインストール
・データの準備
・LevelDBデータセットの準備
・学習器の設定
・平均画像の生成
・学習の実行
・動画の作成
・結果

【ページリンク】

→kivantium活動日記『ご注文はDeep Learningですか?』

画像分類---モデル「本田翼さん」特化型

【概要】

モデルの「本田翼さん」に特化した画像分類の仕組みを解説しています。

学習機として、上記の「ご注文はDeep Learningですか?」を活用しています。

【解説テーマ】

・ディープラーニングを行う環境を整える
・dockerを使って環境構築する
・学習に必要な画像を集める
・コンテナの外にあるファイルを参照できるようにする
・画像を学習させて分類器を作る
・実際に試験用の画像を分類してみる
・分類例

【ページリンク】

→moxt『ディープラーニングで本田翼を見分けたい。初歩編』

Caffeデータストア「LevelDB」操作ツール

【概要】

「LevelDB」とは、ファイル保存型のキーバリューストアです。「key→value」のリンクで高速読み書きを行えるGoogle製ライブラリです。

Caffeはデータストアとして「LevelDB」を使用しています。

「LevelDB」に対して、Pythonからデータの読み出し/書き込みを行えるツールについて紹介しています。

【解説テーマ】

・普通にツールを使ったとき
・pythonでの読み出し
・pythonでの書き出し

【ページリンク】

→ドウジンテイスウ.log『caffeのデータ操作』

CaffeコマンドGUI操作ツール

【概要】

Caffeインストール時に作成されるツールをコマンドとして実行するGUIツールの紹介です。GitHubでPythonコードが公開されています。

基本的な機能しかありませんが、カスタマイズ用ベースツールとしても利用できます。

【ページリンク】

→すするすするる『Caffeを(比較的)簡単に扱うGUIツール,作りました』

TOPに戻る

第5回 Caffeのファインチューニング

ディープラーニングライブラリ「Caffe」の画像認識精度を向上させるための「ファインチューニング」について紹介します。

「ファインチューニング」とは

【概要】

「ファインチューニング」とは、初期段階で学習済モデルを使用して学習することにより認識精度を向上させる手法です。

【基本説明】

ニューラルネットワークの各ニューロンの閾値は、最初は初期値で設定されています。学習していくに従って、各ニューロンの閾値は逆伝播によって調整されていきます。この調整により認識精度が高まっていきます。

「ファインチューニング」とは、この初期値を学習済モデルの値を使い更新することにより、初期段階で認識精度を高める方法です。

【活用例】

・一般物体認識データセット「ImageNet」の学習済モデルを、物体検出などの認識処理に活用
など

【メリット】

・1から学習させるよりも効率的
・初期段階で認識精度を大幅に向上できる
・大量の学習データを揃えなくても、ある程度の認識精度まで向上できる

【注意点】

・学習済みモデルは、認識したい対象と一致するモデルを調達する必要がある

学習済モデル配布フレームワーク「Caffe Model Zoo」

【概要】

「Caffe Model Zoo」から各種学習済モデルを取得できます。

【公式学習済モデル】

以下のモデルが用意されています。
・標準的サンプル「BVLC Reference CaffeNet」
・高性能ニューラルネット「BVLC AlexNet」
・R-CNN(物体検出アルゴリズム)サンプル「BVLC Reference R-CNN ILSVRC-2013」
・Googleチームが作成したニューラルネット「BVLC GoogLeNet」

【コミュニティモデル】

「コミュニティモデル」は、Caffeユーザーが作成したモデルです。多くのモデルが登録されています。

【参考】ファインチューニング概要

【概要】

ファインチューニングについて、コンパクトに解説されています。

【解説テーマ】

・ファインチューニングとは
・具体的な話
・Caffeの学習済みモデル
・公式の学習済みモデル
・非公式の学習済みモデル
・実行コマンド
・注意事項

【ページリンク】

→Qiita『WindowsのCaffeでファインチューニングするお話』

【参考】「Caffe Model Zoo」から学習モデルを取得してファインチューニング

【概要】

「Model Zoo」から「VGG16モデル」をダウンロードしてファインチューニングを行なう方法を解説しています。

【解説テーマ】

1.ネットワーク定義ファイルのダウンロード
2.スクリプトの実行

【ページリンク】

→いつもの作業の備忘録『【Caffe】モデルをダウンロードして利用する』

【参考】「マルハナバチ」分類のファインチューニング

【概要】

GPUありのCaffe環境で、「マルハナバチ」の分類を行なうモデルに対するファインチューニングについて解説しています。

丁寧に読みやすくまとめられているため参考になります。

【解説テーマ】

1. セットアップとデータの準備
2. ネットワークを定義する
3. マルハナバチ識別器の学習
4. End-to-endのファインチューニング

【ページリンク】

→Deep Learning実習『4. 学習済みのネットワークをマルハナバチ分類にファインチューニング』

TOPに戻る

※定期的にメンテナンスを実施しておりますが、一部情報が古い場合がございます。ご了承ください。

Tweet

Caffe最新TOPICS

【OSS】Facebook、ディープラーニングライブラリ「Caffe2」をオープンソース化---モデル変換ユーティリティスクリプトで「Caffe」から「Caffe2」へ

【OSS】Facebook、ディープラーニングライブラリ「Caffe2」をオープンソース化---モデル変換ユーティリティスクリプトで「Caffe」から「Caffe2」へ(2017年04月21日 11:03)

Facebookは、4月18日(米国時間)、 ディープラーニングライブラリ「Caffe2」をオープンソース化した。 【Caffeとは】 画像認識に特化したオープンソースディープラーニングライブラリ https://www.ossnews.jp/oss_info/Caffe 【ポイント】 ・Facebookが最初のCaffeのエクステンションをリリース ・「Caffe」から「C...

  • 【OSS×Cloud News】ざっくりわかる「Caffe」全5回---ディープラーニングライブラリ「Caffe」について紹介(2017年01月27日 11:03)
  • Caffe最新TOPICS一覧はこちら

Caffe最新CLOSEUPコラム

イベント情報

  • 2017/11/27
    PHP開発をスピードアップする、CI(継続的インテグレーション)とCD(継続的デリバリー)+グローバル開発
  • 2017/11/28
    モバイル、オープンAPIを活用するための認証基盤(標準技術 OpenID Connect、OAuth 適用の考え方)
  • 2017/11/28
    【名古屋開催】【1社1名限り】AWSで12億ドキュメントをも管理可能なAlfrescoのご紹介と、Alfrescoハンズオン(Alfrescoのインストールから 組織・権限の設定まで)
  • 2017/11/29
    【東京開催】OSS監視ツールの導入失敗事例から学ぶ、みんなが知らない正しい導入手順と、効率的なインシデント管理連携について
  • 2017/11/29
    OpenAMによるシングルサインオンの概要と、IDaaSとオンプレとの比較
  • イベント情報一覧はこちら

セミナー講演資料

  • ソフトウェアテストに関する動向、課題と、ベトナムオフショアでのテスト実施
  • Office365、G Suiteや、AWS、Redmine、Backlogなどのセキュリティを、基本機能無料のIDaaS「SKUID」を活用して強化する方法とハンズオン
  • ゼロからはじめるプライベートクラウド~ OpenStackとVMwareとの比較~
  • オフショア開発企業選定のポイントと、品質、納期、仕様誤認の不安
  • 基幹 DB で PostgreSQL を採用! 住友電工は如何にして OSS 活用の決断をしたのか? ~企業システムにおけるオープンソースの活用とセキュリティ対策事例~
  • セミナー講演資料一覧はこちら
セミナー講演資料公開中

ディープラーニングを活用した、設計文書、特許文書、論文等の類似性判定や類似文書の検索(ベトナムオフショアで開発する人工知能システム)

ベトナムオフショアで開発する、人工知能システム ~増加する、チャットボット(ChatBot)導入事例~

ベトナムオフショアで開発する、人工知能システム ~増加する、チャットボット(ChatBot)導入事例~

  • オープソース書籍(サイド)

OSS×Cloud ACCESS RANKING

  • TensorFlow
  • Elasticsearch
  • Chainer
  • Jenkins
  • MariaDB
  • Caffe
  • Kibana
  • Selenium
  • OpenStack
  • Pentaho
  • OSSNEWSに広告を掲載しませんか?

facebook

twitter

@OSS_News からのツイート
  • ご意見・ご感想
  • 広告に関するお問い合わせ


オープンソースソフトウェアとは?

辞典・百科事典の検索サービス - Weblio辞書
565の専門辞書や国語辞典百科事典から一度に検索!
Weblio 翻訳 無料の翻訳ならWeblio翻訳!
 
初めての方へ 参加元一覧
Weblio 辞書 > 同じ種類の言葉 > 情報 > コンピュータ > ソフトウェア > オープンソースソフトウェアの意味・解説 
IT用語辞典バイナリ 索引トップ用語の索引ランキング画像一覧カテゴリー IT用語辞典バイナリIT用語辞典バイナリ

OSS

フルスペル:Open Source Software
読み方:オーエスエス
別名:オープンソースソフトウェア

OSSとは、オープンソースの概念に基づき、ソフトウェアのソースコードが無償で公開され、改良や再配布を行うことが誰に対しても許可されているソフトウェアのことである。あるいは、オープンソースに関する文化の啓蒙活動を行っているThe Open Source Initiativeによって認定されたソフトウェアのことである。

一般的に、ソフトウェアのソースコードは知的財産として秘匿され、販売したり、他社に提供する場合はライセンス料を徴収するなどして、収益源とされている。このようなソースコードへのアクセスや改変を制限しているソフトウェアは、プロプライエタリソフトウェアと呼ばれている。プロプライエタリソフトウェアに対して、OSSは、あらゆるユーザーが良質のソフトウェアを利用可能であるように、また、ソースコードを共有の知的財産として扱い、修正や改良を重ねていくことで、より良いソフトウェアに育んでいくことを志向している。

OSSと類似した概念として、フリーソフトウェアやパブリックドメインソフトウェアといった表現がある。フリーソフトウェアは、ソースコードを入手して改変や再配布を行うことを許可する概念であり、一般的にはOSSの同義語として扱われている。ただし両者は、思想的背景などから、厳密にはニュアンスを異にするとされる。

The Open Source Initiativeでは、「オープンソースの定義」(The Open Source Definition)と呼ばれるライセンス文書を策定、公開しており、当ライセンスに準拠していると認められたソフトウェアに対して「OSI認定マーク」を与える活動を行っている。「オープンソースの定義」では、「再頒布の自由」や「ソースコードでの頒布の許可」、「派生ソフトウェアを頒布の許可」、「利用する分野に対する差別の禁止」、「ライセンスは技術的に中立であること」など、計10項目の条件が提示されている。

OSSとして提供されている代表的なソフトウェアとしては、リーナス・トーバルズによって最初に開発されたUNIX互換のオペレーティングシステム(OS)であるLinuxを挙げることができる。Linuxは、OSSである特徴から、組み込み機器やPDAを始めとする狭い分野の機器におけるOSとしての改良が進められ、高い市場占有率を獲得するに至っている。また、Linuxディストリビューションと呼ばれる商用パッケージソフトウェアへの応用も盛んである。

Linuxの他にも、WebサーバーのApache、データベース管理システムのMySQL、プログラミング言語のJava、統合開発環境(IDE)のEclipse、スクリプト言語のPerl、PHP、Python、WebブラウザのFirefox、といったソフトウェアが、OSSとして提供されている。近年では、ITベンダーがOSSのコミュニティに参加し、開発活動に参画する例も増えている。


参照リンク
The Open Source Definition (Annotated) - (英文)
オープンソースの定義 - (オープンソースグループ・ジャパン) 知的財産のほかの用語一覧
ライセンス:  クロスライセンス契約  クリエイティブコモンズ  Microsoft Authorized Refurbisher  OSS  ライセンスサーバー  ライセンスフリー  ライセンス契約
>>ライセンスカテゴリの他の用語
ウィキペディア 索引トップ用語の索引ランキングカテゴリー ウィキペディアウィキペディア

オープンソースソフトウェア

出典: フリー百科事典『ウィキペディア(Wikipedia)』 (2017/11/17 13:12 UTC 版)

オープンソースソフトウェア(英: Open-source software, 略称: OSS)とは、ソースコードが利用可能で、著作権保持者がどんな目的のためでもソフトウェアを、学習、変更、そして配布するための権利を提供するというライセンスに基づいたソフトウェアである[1]。オープンソースソフトウェアは何れも共同で開発されている。オープンソースソフトウェアは最も著名なオープンソース開発の例であり、しばし(技術的に定義される)消費者生成メディアや(法的に定義される)オープンコンテント運動と比較される[2]




脚注
  1. ^ St. Laurent, Andrew M. (2008). Understanding Open Source and Free Software Licensing. O'Reilly Media. p. 4. ISBN 9780596553951. http://books.google.com/books?id=04jG7TTLujoC&pg=PA4. 
  2. ^ Verts, William T. (2008年1月13日). “Open source software”. World Book Online Reference Center. 2008年1月13日閲覧。
  3. ^ Rothwell, Richard (2008年8月5日). “Creating wealth with free software”. Free Software Magazine. 2008年9月8日閲覧。
  4. ^ “Standish Newsroom — Open Source” (プレスリリース), ボストン, (2008年4月16日), http://standishgroup.com/newsroom/open_source.php 2008年9月8日閲覧。 
  5. ^ Perens, Bruce. Open Sources: Voices from the Open Source Revolution. オライリーメディア. 1999.
  6. ^ The Open Source Definition by Bruce Perens. (January 1999). ISBN 1-56592-582-3. http://www.oreilly.com/catalog/opensources/book/perens.html. 
  7. ^ “The Open Source Definition”. 2013年8月3日閲覧。, The Open Source Definition according to the Open Source Initiative
  8. ^ “How Many Open Source Licenses Do You Need? – Slashdot”. News.slashdot.org (2009年2月16日). 2012年3月25日閲覧。
  9. ^ Stallman, Richard (2007年6月16日). “Why "Open Source" misses the point of Free Software”. Philosophy of the GNU Project. Free Software Foundation. 2007年7月23日閲覧。 “As the advocates of open source draw new users into our community, we free software activists have to work even more to bring the issue of freedom to those new users' attention. We have to say, ‘It's free software and it gives you freedom!’—more and louder than ever. Every time you say ‘free software’ rather than ‘open source,’ you help our campaign.”
  10. ^ Stallman, Richard (2007年6月19日). “Why "Free Software" is better than "Open Source"”. Philosophy of the GNU Project. Free Software Foundation. 2007年7月23日閲覧。 “Sooner or later these users will be invited to switch back to proprietary software for some practical advantage. Countless companies seek to offer such temptation, and why would users decline— Only if they have learned to value the freedom free software gives them, for its own sake. It is up to us to spread this idea—and in order to do that, we have to talk about freedom. A certain amount of the ‘keep quiet’ approach to business can be useful for the community, but we must have plenty of freedom talk too.”
  11. ^ Stallman, Richard (2007年6月16日). “Why "Open Source" misses the point of Free Software”. Philosophy of the GNU Project. Free Software Foundation. 2007年7月23日閲覧。 “Under the pressure of the movie and record companies, software for individuals to use is increasingly designed specifically to restrict them. This malicious feature is known as DRM, or Digital Restrictions Management (see DefectiveByDesign.org), and it is the antithesis in spirit of the freedom that free software aims to provide. [...] Yet some open source supporters have proposed ‘open source DRM’ software. Their idea is that by publishing the source code of programs designed to restrict your access to encrypted media, and allowing others to change it, they will produce more powerful and reliable software for restricting users like you. Then it will be delivered to you in devices that do not allow you to change it. This software might be ‘open source,’ and use the open source development model; but it won't be free software, since it won't respect the freedom of the users that actually run it. If the open source development model succeeds in making this software more powerful and reliable for restricting you, that will make it even worse.”
  12. ^ Stallman, Richard (2007年9月24日). “Why "Open Source" misses the point of Free Software”. Philosophy of the GNU Project. Free Software Foundation. 2007年12月6日閲覧。 “However, not all of the users and developers of free software agreed with the goals of the free software movement. In 1998, a part of the free software community splintered off and began campaigning in the name of ‘open source.’ The term was originally proposed to avoid a possible misunderstanding of the term ‘free software,’ but it soon became associated with philosophical views quite different from those of the free software movement.”
  13. ^ “What is open source?”. 2013年7月29日閲覧。
  14. ^ Andrew T. Pham, Verint Systems Inc. and Matthew B. Weinstein and Jamie L. Ryerson. "Easy as ABC: Categorizing Open Source Licenses"; www.IPO.org. June 2010.
  15. ^ Shiels, Maggie (2008年8月14日). “Legal milestone for open source”. BBC News. http://news.bbc.co.uk/1/hi/technology/7561943.stm 2008年8月15日閲覧。 
  16. ^ Raymond, Eric S. (2000年9月11日). “The Cathedral and the Bazaar”. 2004年9月19日閲覧。
  17. ^ Robles, Gregorio (2004). “A Software Engineering Approach to Libre Software”. In Robert A. Gehring, Bernd Lutterbeck (PDF). Open Source Jahrbuch 2004. Berlin: Technical University of Berlin. http://www.opensourcejahrbuch.de/2004/pdfs/III-3-Robles.pdf 2005年4月20日閲覧。. 
  18. ^ Ghosh, R.A.; Robles, G. and Glott, R. (2002). “Free/Libre and Open Source Software: Survey and Study Part V.”. Maastricht: International Institute of Infonomics.. 
  19. ^ a b Sharma, Srinarayan; Vijayan Sugumaran and Balaji Rajagopalan (2002). “A framework for creating hybrid-open source software communities” (PDF). Info Systems Journal 12: 7?25. doi:10.1046/j.1365-2575.2002.00116.x. http://www.cin.ufpe.br/~in953/lectures/papers/ISJAFrameworkForCreatingHybrid-OpenSourceSoftwareCommunities.pdf. 
  20. ^ Landry, John; Rajiv Gupta (September 2000). “Profiting from Open Source”. Harvard Business Review. doi:10.1225/F00503. 
  21. ^ Reynolds, Carl; Jeremy Wyatt (February 2011). “Open Source, Open Standards, and Health Care Information Systems”. JMIR 13. doi:10.2196/jmir.1521. http://www.jmir.org/2011/1/e24/ 2011年3月17日閲覧。. 
  22. ^ Plotkin, Hal (December 1998). “What (and Why) you should know about open-source software”. Harvard Management Update: 8?9. doi:10.1225/U9812D. 
  23. ^ Payne, Christian (February 2002). “On the Security of Open Source Software”. Info Systems Journal 12 (1): 61?78. doi:10.1046/j.1365-2575.2002.00118.x. 
  24. ^ “GNU Classpath Hacker's Guide: GNU Classpath Hacker's Guide”. Gnu.org (2003年8月11日). 2012年3月25日閲覧。
  25. ^ Meffert, Klaus; Neil Rotstan (2007年). “Brief summary of coding style and practice used in JGAP”. Java Genetic Algorithms Package. 2008年9月8日閲覧。
  26. ^ Tripp, Andy (2007年7月16日). “Classpath hackers frustrated with slow OpenJDK process”. Javalobby. 2013年8月3日閲覧。
  27. ^ a b Stamelos, Ioannis; Lefteris Angelis, Apostolos Oikonomou and Georgios L. Bleris (2002). “Code Quality Analysis in Open Source Software Development” (PDF). Info Systems Journal 12: 43–60. doi:10.1109/MS.2007.2. http://csdl2.computer.org/persagen/DLAbsToc.jsp?resourcePath=/dl/mags/so/&toc=comp/mags/so/2007/01/s1toc.xml&DOI=10.1109/MS.2007.2 2008年9月8日閲覧。. 
  28. ^ Gallivan, Michael J. (2001). “Striking a Balance Between Trust and Control in a Virtual Organization: A Content Analysis of Open Source Software Case Studies”. Info Systems Journal 11 (4): 277–304. doi:10.1111/j.1365-2575.2001.00108.x. 
  29. ^ Francois Letellier (2008), Open Source Software: the Role of Nonprofits in Federating Business and Innovation Ecosystems, AFME 2008.
  30. ^ Hellekson, Gunnar. “Home”. Open Source for America.
Il più grande parco divertimenti al coperto d'Italia
Tantissime attrazioni per tutta la famiglia e giostre per ragazzi
Divertimento tra lo zucchero filato e la frutta caramellata

Il più grande parco divertimenti al coperto d’Italia

16-17 dicembre 2017
Dal 22 dicembre 2017 al 7 gennaio 2018
13-14 gennaio 2018

Winterello

Presto online!

Braccialetto

Clicca qui!!

Intrattenimento

Clicca qui!

Attrazioni

Clicca qui

Partner

Supporter