NVIDIAがおよそ1万円で手に入る128コアGPU搭載の超小型AIボード「Jetson Nano」を発表
NVIDIAのジェンスン・フアンCEOが、2019年3月19日に開催された自社イベントのGPU Technology Conference(GTC) 2019の基調講演で、128コアGPUを搭載したAIコンピュータボード「Jetson Nano」を発表しました。Jetson Nanoはサイズがおよそ70mm×45mmという超小型ボードで、99ドル(約1万1000円)という低価格も売りの1つとなっています。 NVIDIA Announces Jetson Nano: $99 Tiny, Yet Mighty NVIDIA CUDA-X AI Computer That Runs All AI Models | NVIDIA Newsroom https://nvidianews.nvidia.com/news/nvidia-announces-jetson-nano-99-tiny-yet-
AWS 深層学習 AMI は TensorFlow と Microsoft Cognitive ツールキット用の Volta GPU に対するより高速のトレーニングを提供します | Amazon Web Services
Amazon Web Services ブログ AWS 深層学習 AMI は TensorFlow と Microsoft Cognitive ツールキット用の Volta GPU に対するより高速のトレーニングを提供します Ubuntu と Amazon Linux の AWS 深層学習 AMI に最新バージョンの TensorFlow (1.5) と Microsoft Cognitive ツールキット (2.4) が含まれます。 これらのフレームワークは、NVIDIA CUDA 9 と cuDNN 7 ドライバーのサポートを提供します。これにより、ユーザーは Amazon EC2 P3 インスタンスに対応する V100 Volta GPU によりサポートされる複合精度のトレーニングを利用できるようになります。当社の Volta における TensorFlow 1.5 のテストでは、R
Google、オープンソース機械学習ライブラリの最新版「TensorFlow 1.5」を発表
Google、オープンソース機械学習ライブラリの最新版「TensorFlow 1.5」を発表：使い勝手やモバイル対応、GPUサポートが向上 オープンソース機械学習ライブラリの最新版「TensorFlow 1.5」が公開された。「Eager Execution」「TensorFlow Lite」、GPUアクセラレーション対応の強化が特徴だ。 Googleは2018年1月26日（米国時間）、オープンソース機械学習ライブラリの最新版「TensorFlow 1.5」を公開した。「Eager Execution for TensorFlow」「TensorFlow Lite」、GPUアクセラレーション対応の強化が目玉として紹介されている。 Eager Execution for TensorFlow 現在プレビュー版が提供されているEager Execution for TensorFlowは、「D
GPUでディープラーニングやるならAWSよりFloydHub - Qiita
UdacityのDeep Learning Nanodegree Foundation のコースでFloydHubという便利なサービスが紹介されていました。ディープラーニングのHerokuだそうです。 GPUが使えるプランも月額14ドルからなので、手軽にGPUでディープラーニングを始めることができます。 TensorFlowとKerasがデフォルトですが、他にもPyTorchやChainerなどメジャーなフレームワークはだいたい使えるようになっています。 2017/10/18 追記 この記事を書いた直後に、KaggleのKernelについての記事が投稿されています。Kaggleのデータセットに限って言えば、Kernelを使う方が簡単そうです。 パワーアップしたKernelでKaggleに飛び込もう - Qiita FloydHubのいいところ 起動が簡単 floyd-cliというコマンドラ
MLops Platform | Build & Scale Your AI Project on Paperspace
Cloud hosted desktops for both individuals and organizations.
新インスタンス- NVIDIA Tesla V100 GPUを最大8個搭載したAmazon EC2インスタンス P3 | Amazon Web Services
各GPUは 5,120CUDAコアと640Tensorコアを備え、最大125TLOPSの混合精度浮動小数点演算、15.7TFLOPSの単精度浮動小数点演算、7.8TFLOPSの倍精度浮動小数点演算を可能とします。大きい２つのサイズでは、GPUはNVIDIA NVLink 2.0で相互接続され、最大300Gbpsデータレートで接続されています。これによりGPU間での中間結果やその他のデータのやりとりを、CPUやPCI-Expressを経由せずに高速に行うことが可能です。 Tensorコアとは？ このブログを書き始めるまで、私はTensorコアを聞いたことがありませんでした。大変有益なNVIDIA ブログの記事によると、Tensorコアは大きなDeep Neural Networkの学習や推論を高速化するために設計されています。各コアは、半精度(FP16)の4×4行列同士の積演算と、4×4の別
CPU/GPU/AWSでのTensorflow実行速度比較 - Qiita
この記事は Tensorflowを使って大量の画像データの学習をしています 収束までとにかく時間がかかるので学習環境をアップグレードしてきました 各環境でTensorflowの処理速度がどの位出たのかがベンチマーク的な意味合いを持ちそうなので公開しておきます OS含めて諸々環境のバージョン類が異なるのであくまで参考としてみていただければ 実行処理内容 Tensorflow上でCNNの最高峰、Inception-v3を使ってオリジナルの画像でトレーニングします 枚数は数十万オーダ（性能には影響しないはず） 1000カテゴリへの分類器 実行コマンドは下記 $ bazel-bin/inception/imagenet_train --num_gpus=[gpu数] --batch_size=32 --train_dir=/share/train/ --data_dir=/share/tfreco
クラウドで利用できるGPUを比較してみた
大柳です。 【2017/9/29追記】 2017年9月21日にGCPにNvidia P100 GPUのインスタンスがベータで追加されました。 【2017/7/31追記】 2017年7月13日にAWSにG2インスタンスの後継としてG3インスタンスが新たに追加されました。 ※東京リージョンではまだ提供開始されておりません。(2017年7月現在) 2017年5月にAWSで東京リージョンでもP2インスタンスが利用可能になりました。 2017年5月に、AzureでNVシリーズの東日本リージョンでの提供が開始されました。 先日、GCP(Google Cloud Platform)でGPUインスタンスが利用可能になったと発表されました。GCPの対応によりAWS、Azure、GCPの主要なクラウドでGPUインスタンスが出揃った形になります。 GPUインスタンスは機械学習や科学計算などHPC(high-pe
Python: Keras/TensorFlow の学習を GPU で高速化する (Mac OS X) - CUBE SUGAR CONTAINER
Keras というのは Python を使ってニューラルネットワークを組むためのフレームワーク。 Python でニューラルネットワークのフレームワークというと、他にも TensorFlow とか Chainer なんかが有名どころ。 Keras はそれらに比べると、より高い抽象度の API を提供しているところが特徴みたい。 実のところ Keras はデフォルトで TensorFlow をバックエンドとして動作する。 バックエンドとしては、他にも Theano が選べるらしい。 今回は Keras で組んだニューラルネットワークを GPU で学習させてみることにした。 そのとき CPU と比べて、どれくらい速くなるかを試してみたい。 使った環境は次の通り。 $ sw_vers ProductName: Mac OS X ProductVersion: 10.12.3 BuildVersi
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
Home
Home
GPUコンピューティング｜ディープラーニングするならIDCフロンティア