バイドゥ、量子ML学習ツールキット「Paddle Quantum」をGitHubに
Eileen Yu （Special to ZDNET.com） 翻訳校正： 村上雅章 野崎裕子 2020-06-01 16:48 中国の大手IT企業である百度（バイドゥ）が、量子機械学習（ML）モデル開発ツールキット「Paddle Quantum」をGitHub上で公開している。これを使用することで開発者は、量子ニューラルネットワークモデルの迅速な構築と訓練が可能になるという。同ツールキットはバイドゥのディープラーニング（DL）プラットフォーム「PaddlePaddle」上に構築されており、量子コンピューティングアプリケーションも含んでいる。 GitHub上で公開されているPaddle Quantumは、量子化学ライブラリーや最適化ツールといった一連のMLツールキットと、量子MLと量子化学シミュレーション、量子による組み合わせ最適化という3つの量子アプリケーションによって構成されている。
PFN、深層学習フレームワークをPyTorchに移行 Chainerをやめるのは「非常に大きな決断」
AI開発を手掛けるPreferred Networks（PFN）は12月5日、研究開発基盤の深層学習フレームワークを、自社開発のChainerからPyTorchに順次移行すると発表した。PyTorchは、米Facebookが開発するオープンソースの機械学習ライブラリ。PFNの西川徹社長は「非常に大きな決断だが、深層学習技術の社会実装をさらに加速できると確信している」とコメントした。 PFNは、2015年6月にChainerをオープンソース化。複雑なニューラルネットワークを直感的かつ柔軟に構築できるため、研究者や開発者から支持を集めた。しかし、深層学習フレームワークの開発で競争する時代は終わりつつあるという。 同社は「細かい差異による差別化競争をするより、コミュニティーを発展させ、健全なエコシステムを築いていくことが重要」と説明。移行先には、「Chainerの開発思想に最も近い」というPyT
もはや人の介在は不要、AIが自らAIを作り判断根拠まで説明する時代が来た
日経クロステック登録会員になると… ・新着が分かるメールマガジンが届く ・キーワード登録、連載フォローが便利 さらに、有料会員に申し込むとすべての記事が読み放題に！ 有料会員と登録会員の違い
MLOps（機械学習基盤）とは？ AIOpsとの違い
用語「MLOps（“Machine Learning”と“Operations”の合成語）」について説明。機械学習モデルの実装～運用のライフサイクルを円滑に進めるために築かれる、機械学習チーム／開発チームと運用チームが協調し合う管理体制（機械学習基盤）を指す。 連載目次 用語解説 MLOpsとは、「機械学習チーム（Machine Learning）／開発チーム」と「運用チーム（Operations）」がお互いに協調し合うことで、機械学習モデルの実装から運用までのライフサイクルを円滑に進めるための管理体制（機械学習基盤）を築くこと、またはその概念全体を指す。類義語にDevOpsがあるが、まさにそのDevOpsから発展して生まれた考え方である。DevOpsに詳しければ、その機械学習版だと考えるとよい。 DevOpsの考え方と同様に、機械学習チーム／開発チームは、最終的なソリューションの一機能と
Hot Chips 31はマシンラーニングが花盛り(16) データセンタの推論処理を目的に開発されたIntelの「Spring Hill」
IntelのSpring Hill Hot Chips 31においてIntelは、推論処理用の「Spring Hill」を発表した。Spring Hillは既発表であるが、正式な学会での発表ということで、これまでの発表に比べてより詳しい発表が行なわれた。 Spring Hillは「NNP I-1000」というのが正式名称で、NNPはNeural Network Processorの略でIはInference(推論)用であることを示している。発表者は、Intelのイスラエルの開発チームのIntel FellowであるOfri Wechesler氏である。学習用のSpring Crestもイスラエルチームの開発であるが、Spring CrestはNervanaのチームが買収されてからも開発を続けたようであるが、Spring Hillの方はx86コアを搭載しているように、Intelのx86系の開
Hot Chips 31はマシンラーニングが花盛り(12) NVIDIAの次世代AIの実現に向けた研究チップ
Hot Chips 31においてNVIDIAは、研究中のマルチチップのAIチップを発表した。AIなどのチップの規模は増大しており、1チップにするには大きすぎる。AIチップではないが、AMDはCPUチップを細分化し、I/Oチップと合わせてインタポーザに載せるというやり方を採っている。こうすれば個々のCPUチップは小さいので歩留まりが高く、低コストで作れるという。 AI用のエンジンでも事情は同じで、大きなチップを複数の小さなチップに分けて、インタポーザに載せて相互接続して、大きなチップと同じ、あるいはよりメリットが出せれば都合が良い。このような可能性を探るのが、今回発表されたNVIDIAの研究チップである。 発表を行ったのはNVIDIのSenior Research ScientistのRangharajan Venkatesan氏である。 NVIDIAのAI研究チップを発表するシニアリサーチ
Hot Chips 31はマシンラーニングが花盛り(5) Intelのマシンラーニングトレーニング用チップ「Spring Crest」
IntelのSpring Crest 「Spring Crest」はIntelが買収したNervana社が開発していたマシンラーニングのトレーニング用チップを製品化したものである。 マシンラーニングの学習用のSpring Crestを発表するIntelのAndrew Yang氏 ディープラーニングモデルの学習は計算量が多く時間が掛る。実世界では学習にかかる時間と電力効率が重要となる。そして、使われるモデルの大きさと学習に使われるデータセットの大きさは3.5カ月ごとに倍増しているという。 ディープラーニングでは行列積の計算と畳み込みの計算が大部分を占める。ディープラーニングのアクセラレータでは、消費電力、計算性能、メモリと通信、スケールアウトの能力が主要な評価項目となる。 ディープラーニングでは行列積と畳み込みが主要な計算である。ディープラーニングのアクセラレータの評価では、消費電力、計算性
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
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
セレブラス社と販売代理店契約を締結、超高速ディープラーニングシステム「CS-1」の受注を開始：イザ！