Preferred Networks（PFN）は、OSS（Open Source Software）のDeep Learning（深層学習）フレームワーク「Chainer」のメジャーアップデート版となる「同v2」をリリースした。学習時のメモリー使用効率の改善などを図っている。
Chainerは、Pythonベースのディープラーニング向けフレームワーク。ユーザーが簡単かつ直感的に複雑なニューラルネットワークを設計でき、学習させるための高い柔軟性と性能を備えている。
Chainerでは、最新のDeep Learning研究の成果を迅速に取り入れ、ChainerMN（分散深層学習）・ChainerRL（強化学習）・ChainerCV（コンピュータービジョン）などの追加パッケージを開発している。
※編集部より：上記について当初、v2の特徴としていましたが、正しくはv1から備わる特徴であり、修正を行いました（2017/06/05 19:35）
新バージョンのv2では、大きく3つの機能強化・改善を実施した。まずは、学習速度を犠牲にせずに、メモリー使用量を削減した。より大きなネットワーク設計も容易になったほか、従来のネットワークでも、より大きなバッチサイズでの学習が可能になる。
次に、汎用配列計算ライブラリ「CuPy」を分離した。CuPyは、科学技術計算の分野で多用されるライブラリ「NumPy」と高い互換性を持ち、NumPyで記述されたコードをほとんど変更せずにGPUを使って高速に実行できる。Cupyを独立したライブラリとして開発することで、深層学習以外の分野の研究・開発にも適用できるようになった。
また、不要なオプションの削除やインタフェースの整理を行い、より洗練されたAPIに改善が図られた。これにより、複雑なニューラルネットワークをプログラムとして、直感的に記述できるようになり、意図しないバグの埋め込みが起きにくくなっている。
