CortexNodus：ノード操作で構築する可視化AIトレーニングワークベンチ

AI/ML
CortexNodus：ノード操作で構築する可視化AIトレーニングワークベンチ

CortexNodus：ノード操作で構築する可視化AIトレーニングワークベンチ

CortexNodusは、FlaskとLiteGraph.jsを組み合わせたビジュアルなAIトレーニング環境です。ドラッグ＆ドロップでデータ準備、モデル定義、訓練、評価までの深層学習パイプラインをノードベースで組み立て、バックエンドで自動的にPyTorchコードを生成して実行します。MNISTやCIFAR-10などの標準データセットが組み込まれており、非エンジニアでも視覚的にモデルを設計して学習させられるのが特徴です。（約300字）

https://github.com/streetartist/CortexNodus

概要

CortexNodusは、コードを書かずにノードをつなげるだけで深層学習のワークフローを構築し、その構成からPyTorchスクリプトを自動生成して学習を実行する可視化ツールです。フロントエンドにLiteGraph.jsを用いたキャンバスを備え、ノードはデータロード、前処理、ネットワークレイヤー、ロス、オプティマイザ、評価などの機能を表します。バックエンドはFlaskで実装され、キャンバスのJSONを解析するモジュール（ml/designer.py）によりノード構成をDesignerPlanに変換、PyTorchのモデル定義と訓練ループを組み立てます。組み込みデータセット（MNIST、Fashion-MNIST、CIFAR-10）を使ったデモが用意され、拡張によって同等の複雑度のネットワークを追加できます。

GitHub

リポジトリの統計情報

  • スター数: 1
  • フォーク数: 0
  • ウォッチャー数: 1
  • コミット数: 6
  • ファイル数: 10
  • メインの言語: Python

主な特徴

  • ノードベースの可視化インターフェース（LiteGraph.js）でドラッグ＆ドロップによるパイプライン構築。
  • Flaskバックエンドがキャンバスを解析してPyTorchコードと訓練ループを自動生成・実行。
  • MNIST、Fashion-MNIST、CIFAR-10等のサンプルデータセットを内蔵し、即時学習デモが可能。
  • フロントエンドにInspectorや状態ポーリングを実装し、学習進捗をモニタリング。

技術的なポイント

CortexNodusの技術的な中核は「ビジュアル構成→コード生成→実行」のワークフローにあります。フロントエンドはLiteGraph.jsによるノードキャンバス（templates/index.html + static/designer.js）で、各ノードは役割（データ、変換、レイヤー、損失、最適化、評価など）を持ち、Inspectorを通じてパラメータを編集できます。キャンバス状態はJSONとしてバックエンドに送られ、ml/designer.pyがこれを解析してDesignerPlanという中間表現へ変換します。DesignerPlanはノードのトポロジーとパラメータを保持し、これを基にapp.pyがPyTorchのモデル定義（nn.Module相当）とトレーニングループ（データローダ、損失計算、逆伝播、最適化、エポック管理）を組み立てます。

自動生成の利点は、繰り返し構築されるテンプレートを確実に同じ構造で生成できる点にあり、ユーザーは実験設計に集中できます。一方で、コード生成には型・次元・デバイス（CPU/GPU）管理、データの形状伝搬、エラーチェックが求められます。CortexNodusはまず画像用の標準データセットをターゲットにしているため、入力チャネルやサイズ、バッチ処理に対する想定が明確であり、ノード間の接続でデータ整合性を保つ仕組みが重要です。

実行面ではFlaskプロセス内で生成コードを実行して訓練を管理しており、学習中の状態はポーリングでフロントエンドに送られます。これにより進捗バーやログ出力がUIに反映されます。ただし現状の実装から推察すると単一プロセス/単一GPU想定であり、大規模分散、長時間ジョブ管理、チェックポイント自動保存や再開、ログの永続化（MLFlow等）は今後の拡張ポイントです。拡張性としては、ノードの種類を増やすことでResNetやTransformerなど複雑なアーキテクチャを構築可能であり、コード生成部分をテンプレート化・プラグイン化すればモデルライブラリの統合やカスタムノード追加が容易になります。

セキュリティ面では、ユーザー入力（ノードパラメータやアップロードデータ）を用いて動的にコードを生成・実行するため、入力検証やサンドボックス化（別プロセスやコンテナでの実行）、リソース制限が必要です。CIやテストが整備されれば信頼性が高まり、教育用途やプロトタイピング、AutoML的なラピッド実験プラットフォームとしての活用が期待できます。

プロジェクトの構成

主要なファイルとディレクトリ：

  • LICENSE: file
  • README.md: file
  • app.py: file（Flask サーバ、生成コードの実行とAPI）
  • templates/index.html: file（フロントエンドの骨格）
  • static/designer.js: file（LiteGraphキャンバスのロジック）
  • static/style.css: file（ダークテーマUI）
  • ml/designer.py: file（キャンバスJSON→DesignerPlan変換、コード生成補助）
  • docs/: dir（ドキュメント）
  • example/: dir（例、サンプルキャンバスやスクリプト）
  • requirements.txt: file（依存パッケージ） …他 0-2 ファイル（合計約10ファイル）

まとめ

ノードベースでPyTorchコードを自動生成・実行する学習ワークベンチ。プロトタイピングや教育に有用だが、運用・拡張には堅牢化が必要。

リポジトリ情報：

READMEの抜粋：

CortexNodus

CortexNodus 是一个基于 Flask + LiteGraph.js 的可视化 AI 训练工作台，可通过拖拽方式构建完整的深度学习流水线（数据 → 模型 → 训练 → 评估），并自动在后端生成 PyTorch 代码并执行训练。目前已内置 MNIST、Fashion-MNIST、CIFAR-10 等常见图片数据集，能够图形化训练一个数字识别模型，也可以扩展为更多同等复杂度的网络。

目录结构

  • app.py：Flask 服务，负责解析画布、构建 PyTorch 模型与训练循环、生成脚本。
  • templates/index.html：主界面骨架。
  • static/style.css：暗色主题 UI 样式。
  • static/designer.js：LiteGraph 画布逻辑、节点注册、Inspector、状态轮询。
  • ml/designer.py：画布 JSON 解析器，负责将节点拓扑转换为 DesignerPlan。

快速开始（Windows PowerShell）

...