イーサリアムのマイニングリグを正しく構築する | イーサリアム・ジャパン
仮想通貨の投資やトレードをして資産が一億円を超えたという話を聞く様になりました。ブロックチェーンベースの通貨でProof of Workをコンセンサスアルゴリズムとしているものでは、コンピューターの計算リソースをネットワークに提供することにより、そのネットワークの通貨を報酬として得ることができ、これを通称”マイニング”と呼びます。 ビットコインもその昔はASICという採掘専用マシーンが開発される前は通常のPCでマイニングすることが出来ましたが、現在ではASIC中央集権化により不可能となっています。対してイーサリアムはASICによる中央集権化を避ける独自のPoWであるEthashを採用しており、GPU１枚からも掘ることが可能で更に中古売却もできるため参加の敷居も低くなっています。 そしてネットワークステータスを比べた際、ビットコインよりもノード数が3倍で更にマイニング報酬は約3億円イーサリア
ArduinoでA4988やEasyDriverを使ってステッピングモーターを動かす
Arduinoでステッピングモーターを制御するには、A4988ステッピングモータードライバーかEasyDriverの制御モジュールを使うと簡単に制御する事が出来る。 配線も簡単で、A4988とEasyDriverはほぼ同じ配線で制御出来る。各モジュールの違いは物理サイズや電解コンデンサの有無、対応電圧、最大マイクロステップで細かい差異があるが、基本はあまり変わらない。 EasyDriverの配線は以下の通り。図面上はStep / Directionがクロスしているが、ブレッドボードシールド上に配置して配線した場合隣に来るためこのピンアサインにしている。 Pin7はOutput / LowでMS2を接続する事でハーフステップ設定にしている（EasyDriverはデフォルト1/8ステップ） A4988の配線。ほぼ同じだが、A4988は基板駆動用の電源が必要、Sleep/Resetピンのショート
【2017年度版】イーサリアム(ETH)でお金を稼ごう！ ～基礎知識編～ | デジモノ達人
ETHのマイニングではGPUはRadon系が主力です。 一般的なPCではNividaのGeForceが搭載されていますが、GeForceはETHのマイニングに不向きです。 マイニングは可能ですがGeForceの価格・性能を考えるとオススメはしません。 なぜRadeon RX580なのか？ 以前であればRadeon RX470やRX480がマイニングで使うGPUの主力でした。 しかし、最近はRadeon RX 470/480どちらも入手が困難になってきています。 これからマイニングしたい人はRX480の後継機モデルであるRadeon RX 580がオススメです。 Radeon RX580はRX480と同じGPUを採用しています（いわゆるリネーム商品です)。 RX580はRX480に比べてGPUとメモリーが高クロックにカスタマイズされています。 性能は向上していますが消費電力が上がっているのが
Windows PCでEthereumを採掘する 2017夏
春からの暗号通貨価格の高騰でにわかに注目が集まっているGPUマイニングです。昨年はAMD Radeon延べ10基を使って、サウナのような暑さの中でEtherを掘っていましたが、今では環境が一変しました。Polarisの登場で省電力化が一気に進みましたし、PascalアーキテクチャのGeForceでも実用的なハッシュレートが出るようになりました。 ■(参考)Windows PCでEthereumを採掘する(2016春) http://kumasai.nonkimono.com/2016/05/14/mining-ethereum-winpc/ そこで今回はNVIDIA GeForceでのEther採掘実例を紹介します。消費電力が低いわりに好ハッシュレートが出ますのでPolarisとも充分に戦えます。OSはWindows 7 Professional SP1 64bit、ビデオドライバは201
機械学習モデルの実装における、テストについて - Qiita
数あるフレームワークに付属するExample、機械学習モデルを実装してみた、という話。これらに共通して言えるのは「テストがない」ということです。 機械学習のモデルだって、アプリケーションに組み込まれればプロダクションコードの一部です。テストがない実装を本番環境に組み込むか？というと通常そんなことありえないと思います。 (スタジオジブリ 紅の豚 より拝借) 忘れられがちな点ですが、機械学習モデルは「リリースした瞬間」が最高精度になります。なぜなら、リリースした瞬間こそがその時点で手に入るフルフルのデータを使って鍛え上げたモデルであり、それ以降はどんどん未知のデータが入ってくるためです。 そのため、モデルの精度、また妥当性をいつでも検証できるようにしておくというのはとても重要です。これは通常のコードにテストをつける理由と同等で、つまり機械学習モデルだからと言って特別ではないということです。 本
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
処理を実行中です
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く
Numerai
