![NVIDIAのGPUが実現する深層学習が作る未来 ~自動運転やアニメイラストの自動生成など、「Deep Learning 2016」講演](https://cdn-ak-scissors.b.st-hatena.com/image/square/c9b4881ef28cfbb579cceb983d8d384b1fd6b09f/height=288;version=1;width=512/http%3A%2F%2Fpc.watch.impress.co.jp%2Fimg%2Fpcw%2Flist%2F739%2F223%2Fimportant_image.jpg)
ディープラーニングセミナー2015(名古屋)に行ってきた。 セミナー資料は後ほど公開されるそうだ。(追記、資料が公開された。後述) 覚え書きまとめ。 ・CPUに比べてGPUの演算性能の進化が著しい。 ・NVIDIAのGPUはゲーム用に作ってきたが、ディープラーニング需要が増えてきたので、ディープラーニング向けにハードやソフトを開発している。 ・ディープラーニングにはGeForceのTITAN Xとか売れている。次のPascal世代のGPUはディープラーニング向けに単精度計算などの機能が拡張される。 ・車載や組み込み用にはTESLAというチップを搭載したキットを用意している。信頼性確保のためにメモリのECCを使っている。今後はGPU内部のレジスタや一時メモリにもECCを使って、信頼性を上げていく。 ・ディープラーニングの処理で重たいのは入力の畳み込み計算と、全ニューロン素子を通した演算をする
CUDA(Compute Unified Device Architecture:クーダ)とは、NVIDIAが開発・提供している、GPU向けの汎用並列コンピューティングプラットフォーム(並列コンピューティングアーキテクチャ)およびプログラミングモデルである[5][6][7]。専用のC/C++コンパイラ (nvcc) やライブラリ (API) などが提供されている。なおNVIDIA製GPUにおいては、OpenCL/DirectComputeなどの類似APIコールは、すべて共通のGPGPUプラットフォームであるCUDAを経由することになる[8]。 概要[編集] CUDAの処理の流れ 1. メインメモリ(ホストメモリ)からデータをGPU用メモリ(デバイスメモリ)にコピーする。 2. CPUがGPUに対して処理を指示する。 3. GPUが必要なデータを取り込み各コアで並列実行する。 4. 結果をG
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