GPUの計算性能を最大限活用する組合せ最適化問題の新解法を公開 | NTTデータ
株式会社NTTデータ（以下：NTTデータ）は、広島大学大学院先進理工系科学研究科（以下：広島大学）の中野浩嗣教授らの研究チームと共同で、組合せ最適化問題の解を高速に探索する新しい計算方式「アダプティブ・バルク・サーチ」を開発しました。本計算方式は、二次無制約二値最適化（以下：QUBO）問題注1の解を、複数のGPU（グラフィクス向けプロセッサ）注2を用いて効率よく並列に探索します。本計算方式を用いることで、従来の技術では解くことが困難であったさまざまな問題を効率的に解き、量子コンピューターや次世代アーキテクチャーの適用分野を拡張することを目指します。 近年、量子アニーリングやGPU・FPGA注3を用いて、組合せ最適化問題を高速に解くアーキテクチャーの研究開発が活発に行われています。組合せ最適化問題はさまざまな分野の問題を表現することができるため、問題を高速に計算することが可能になると、多くの
Google Colabの知っておくべき使い方 – Google Colaboratoryのメリット・デメリットや基本操作のまとめ
機械学習エンジニア界隈で話題沸騰となっているGoogle Colaboratory（グーグル・コラボレイトリー）。本記事では概要とGoogle Colabの知っておくべき基本的な使い方をまとめました！ すでに機械学習をやっている方や、これから機械学習を学んでみたいと考えている方で、下記のような事を感じたことはありませんか？ 「訓練やデータ処理をやるのにローカルPCだと処理に時間がかかりすぎる」 「機械学習用にクラウド環境を立てたけど…思ったより費用が高い」 「機械学習は色々とライブラリが多くて環境構築がしんどい」 もし一つでも当てはまるものがあれば、Google Colabがそんな悩みを解決してくれます！機械学習の開発環境の新基準となる可能性も高いGoogle Colab、概要や基本的な使い方をみていきましょう。 Google Colaboratoryとは？ Google Colab（略式
ニューラルネットワーク自動生成アプリ(Google Colaboratory) - Qiita
はじめに 今回は、一切プログラムやコマンドを書かずに、機械学習プログラムを作成するCGIアプリを作成してみました。 Make NN model （学生時代の研究室サーバに立てているので動かなくなってるかも） この記事は、とりあえず動かしてみたいという方向けに書いているので、ニューラルネットワークの説明はありません。 また、Google Colaboratoryと呼ばれるものを使うので、どんなパソコンの環境でも行うことができます。 Google Colaboratoryについて 簡単に説明すると、機械学習（プログラミング）を行うことができるWebページのようなものです。 引用：Google Colabの知っておくべき使い方 – Google Colaboratoryのメリット・デメリットや基本操作のまとめ 以下のような特徴が上げられます。 GPU(機械学習の計算を速く行うためのもの)を無料で
TensorFlowが動作するDockerコンテナを構築する - DeepAge
多くの人は環境構築や、ライブラリの依存状況などでバグが発生したり、動作しなかったりという問題を抱えています。 Dockerを使うとOSや必要なライブラリ環境ごと差分とともに管理し、チームでも同様の環境で動作させることができるので開発者の間では便利に使われるようになりました。 本記事では、TensorFlowをDockerの実行環境を構築する方法をチュートリアル形式で解説しながら、 Dockerのメリット DockerでGPUを動作させる方法 を紹介します。 Dockerとは Dockerとは、オープンソースで開発されている仮想化技術です。サーバや開発環境のセットアップでは、以下のような問題点がありました。 様々なパッケージやライブラリが依存し合うため、チームで同様の環境を構築することが困難 セットアップに失敗したときに元に戻しにくい ローカルの開発環境ではテストしにくい 時間が経つと、バー
Python: Keras/TensorFlow の学習を GPU で高速化する (Ubuntu 16.04 LTS) - CUBE SUGAR CONTAINER
以前、このブログで Keras/TensorFlow の学習スピードを GPU を使って速くする記事を書いた。 ただし、このとき使った OS は Mac OS X (macOS Sierra) だった。 blog.amedama.jp とはいえ NVIDIA の dGPU を積んだ Mac がどれだけあるんだというと、正直なかなか無いと思う。 実際にやってみるとしたら Linux だよねということで、今回は Ubuntu 16.04 LTS を使う場合について書く。 インストールの手順については次の公式ドキュメントをベースに進める。 Installing TensorFlow on Ubuntu | TensorFlow 環境について 今回使った OS のバージョンなどは次の通り。 $ cat /etc/lsb-release DISTRIB_ID=Ubuntu DISTRIB_REL
1
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
Miyattiさんのツイート: "Anacondaでtensorflow-gpu、CUDA、cuDNNのバージョン依存性を管理してくれるパッケージがリリースされたよう。 conda install tensorflow-gpu しておけば、自動でGPU環境が整う。NVIDIA driverだけは自分で入れないといけないが、圧倒的な時間短縮になりそう。 https://t.co/0sC5FTB18a"
