趣味でディープラーニングするための GPU 環境を安上がりに作る方法 - Qiita
趣味でディープラーニングで遊ぶために GPU マシンを使いたい。 GPU は本当にすごくて、自分の MacBook Air で 2 時間かかるような学習が GPU を使うと 5 分足らずで終わる。CPU だけでディープラーニングするのは馬鹿馬鹿しいという気持ちになる。 しかし自宅に GPU マシンを組んだとしても四六時中計算し続けるわけでもないからもったいないし、ここはクラウドサービスを活用して安く済ませたい。1 さらに、最近では Docker コンテナ内から GPU を利用することができる NVIDIA Docker という Docker プラグインがあり、これを利用することで GPU マシンの環境を汚すことなく好きなだけ学習環境を立ち上げることができる。 今回は Amazon EC2 の GPU インスタンスと NVIDIA Docker を使って趣味用のディープラーニング環境を作った
低火力ディープラーニングのための環境(自作ハード編) - studylog/北の雲
昨日こんなプレスリリースが話題になっていました。 www.sakura.ad.jp 高火力ですって。強そう。 ちょっと前にはこんなのも話題に。 ディープラーニング専用GPUサーバファーム「紅莉栖（くりす）」を構築｜ニュース｜広報情報｜株式会社ドワンゴ 現時点で世界最高性能となるMaxwell世代のCUDAコアを搭載したGPUサーバー100台程度で構成 凄い。強そう。 こういう記事を読んだ後に自分の足下で動いている機械をまじまじと眺めてみると、あまりの低火力に恥ずかしさすら覚えます。ワットチェッカーで測ってみると500Wにも満たないそうで、安物電子レンジレベル。まさに低火力。 低火力ディープラーニングのための自作ハード 企業や研究室にTitan4枚指し環境が整っているような人にとってはおもちゃみたいな環境かもしれませんが、私が使っている環境を晒しつつ、個人の趣味レベルで(プチ)ディープラーニ
ディープラーニングのニューラルネット規模を約2倍にするGPUメモリー効率化技術
富士通研究所は9月21日、ニューラルネットの学習の高精度化に向けたGPUメモリー利用効率化技術を開発したと発表した。 ディープラーニングの学習処理では大量の演算処理を必要とするため、最近ではGPU（グラフィックプロセッサー）を用いられている。GPUの高速演算性能の利用には、データをGPUの内部メモリーに格納する必要があるが、容量によってニューラルネットの規模が制限されるという問題があった。 富士通研究所では、ニューラルネットの各層の学習処理において、重みデータから中間誤差データを求める演算と、中間データから重みデータの誤差を求める演算が独立して計算できることに着目。学習開始時にニューラルネット各層の構造を解析、より大きなデータを配置しているメモリー領域を再利用できるように演算の処理順序を切り替え、メモリー使用量を削減する手法を開発した。 これにより、40％以上のメモリー使用量を削減し、GP
Deep Learning研究のためのGPU環境構築 | Deep Learning JP
Torch7やTheano、CaffeといったライブラリをGPU上で実行するために必要となるCUDA環境の構築について基本的な情報と、よくひっかかる点やその解決方法を示します。 注意：GPU環境構築は、環境（ハード構成等）によっては、Linuxの専門的な知識を要する場合があります。 Deep Learning研究において、GPUを利用した計算ができることはほぼ必須だと言っても過言ではありません。これは、GPUを使う場合と使わない場合では数倍から１０倍程度、計算時間に差がでるためです。大量のデータを訓練データとして利用することが多いDeep Learningの研究においてこの差は致命的になることが多いです。 GPUの計算環境といっても、いくつかの実装があります。代表的なGPGPU用のライブラリとしては、OpenCLやCUDAが挙げられます。Torch7やPylearn2、Caffeといったメ
Netflix: Deep LearningのインフラをAWS上で構築する - ワザノバ | wazanova
http://techblog.netflix.com/2014/02/distributed-neural-networks-with-gpus.html 2 comments | 0 points | by WazanovaNews ■ comment by Jshiike | 1日前 脳の神経細胞の仕組みを模したニューラルコンピューティングを利用した機械学習の分野であるDeep Learning (深層学習)は、Googleなども取り組んでいてホットなトピックですが、Netflixはその成果をどのように利用しようとしているかはまだ具体的に公表はしていません。パーソナライゼーション関係のようですが詳細は不明。しかし、そこはNetflixらしく今回は、Deep Learningを活用したい企業のために、AWSを利用したインフラ構築の取り組みを紹介してます。 従来の事例は専用のハードウェ
さくらインターネット、演算に特化した「高火力コンピューティング」への取り組みを開始 | さくらインターネット
さくらインターネット、演算に特化した「高火力コンピューティング」への取り組みを開始 〜Infiniband接続による大規模なGPUクラスタをPreferred Networks社と共同構築〜 自社運営のデータセンターでインターネットインフラサービスを提供するさくらインターネット株式会社（本社：大阪市中央区、代表取締役社長：田中 邦裕）は、深層学習など大量の計算資源を必要とするコンピューティング需要の高まりを受け、「高火力コンピューティング」をコンセプトとした演算能力に特化したサービスへの取り組みを開始いたします。 仮想化技術をベースとしたクラウドコンピューティングの普及により、計算資源はかつてないほど身近な存在となり、1時間あたり数円から利用できる時代となりました。しかしながら、資源の共有を前提とする現在のクラウドコンピューティングは、仮想化と共有によりハードウェアのピーク性能を引き出すこ
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
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