ChainerのCupyでGPUを有効活用しよう - mktozkの日記
お久しぶりです、@mktozkです。 2ヶ月くらいブログの更新をしてませんでした。 おちこんだりもしたけれど、私はげんきです。 さて、今日はディープラーニングのフレームワークであるChainerに含まれているCupyというライブラリについて話します。 ChainerはCupyを使って様々な計算をGPU (CUDA) で行っています。 今回はこのCupyを使って楽に色んな計算をGPUに投げることを目指します。 ディープラーニングの話は全くしません。 chainer.org この記事を読んだらわかること Cupyの使い方 CupyとNumpyの両方に対応したコードの簡単な書き方 この記事には書いてないこと CUDAカーネルの書き方と使い方 この記事で使用したコードはここかここから取得できます。 ちなみに、Chainerはv1.5.1です。 GPUは速い Cupyとは Cupyの導入 Cupyの
CuPy解説
2020/6/11 画像センシングシンポジウム オーガナイズドセッション2 「限られたデータからの深層学習」 https://confit.atlas.jp/guide/event/ssii2020/static/organized#OS2 での招待講演資料です。 コンピュータビジョン分野を中心とした転移学習についての講演です。 パブリックなデータセットも増えていて、物体検出や領域分割などの研究も盛んですが、実際に社会実装しようとするときのデータは学習データと異なる性質（異なるドメイン）のデータである場合も非常に多いです。 本講演では、そのような場合に有効なドメイン適応の原理となるアプローチ2つと応用としての物体検出と領域分割の事例を紹介しています。
CuPy
NumPy/SciPy-compatible Array Library for GPU-accelerated Computing with Python High performance with GPU CuPy is an open-source array library for GPU-accelerated computing with Python. CuPy utilizes CUDA Toolkit libraries including cuBLAS, cuRAND, cuSOLVER, cuSPARSE, cuFFT, cuDNN and NCCL to make full use of the GPU architecture. The figure shows CuPy speedup over NumPy. Most operations perform we
About NVIDIA
NVIDIA CUDAがPythonでサポートされ、次世代のプログラマもGPUアクセラレーテッド・コンピューティングを活用可能に Pythonの生産性とGPUパフォーマンスの組み合わせにより、 今後、HPCやデータ解析の新しいアプリケーションが次々に登場 2013年3月18日 - GTC 2013（カリフォルニア州サンタクララ） - NVIDIA（本社：米国カリフォルニア州サンタクララ、社長兼CEO： ジェンスン・フアン(Jen-Hsun Huang)、Nasdaq：NVDA）は本日、人気が高まっているオープンソース言語のPythonでも、NVIDIA® CUDA®並列プログラミング・モデルを使い、GPUアクセラレーションを活用してハイパフォーマンスコンピューティング（HPC）やビッグデータ解析のアプリケーションが作れるようになったと発表しました。 学ぶのも使うのも簡単なPythonは、ユ
【動画】Adaboostによる顔検出アルゴリズムの様子がよくわかるCUDAのデモ | DERiVE コンピュータビジョン ブログ
Tweet 「顔検出」アルゴリズムの勉強になりそうな以下の動画を見つけたので、簡単にだけご紹介。（ここは専門の方むけのブログなので、顔検出技術そのものの技術解説は省きます。） この動画はCUDAで動くAdaboost／Cascadeアルゴリズムによる顔検出のデモです。一番メインの動画上に、各強識別器の全ての検出結果が表示されています。 下半分に黄色の階段上に、各強識別器のリアルタイムでの検出のON/OFFが表示されています。（追記：コメントも頂いたが、この下部の黄色の階段状のバーは何を示しているかもうひとつ不明）また、左下部分に、各強識別器ごとに元画像を縮小した映像がピラミッドで表示されており、各強識別器ごとの検出位置が表示されています。 この動画を見ることで、Viola-Jones系の顔検出アルゴリズムにおける、高速かつ精度の高い認識の感覚が、グラフィカルにつかめると思い、ご紹介しました
CUDAで動画エンコードが速くなるか - sailog-cyclog
動画エンコードを速くしたくて、わざわざビデオカードをGeforce 9800GTにしたわけですが、はたして、本当に速くなるか？ さっそく試してみたいところですが、ただ、ビデオカードがあればいいというわけではありません。 対応アプリがないとダメです。 NVIDIAのカードにした理由は、ATI StreamよりもCUDAのほうが対応アプリが多そうだったから、ということは、「ビデオカードを、NVIDIAのGeforce 9800GTにした」でも述べたところですが、いろいろあると思ったのに、探してみると実は少なかったのでした。 ネットで調べてみたところ、CUDAで動画エンコードを高速化できるアプリには、次くらいしかないらしいことがわかりました。 １．Badaboom NVIDIAのWebサイトでも紹介されている、エンコード専用ソフト。 ２．LoiloScope インターファイスが独特な、動画編集ソ
MediaCoderでMPEG-4 AVCへ高速変換
話題の「GPGPUの動画編集・変換支援」に対応している動画編集・変換ソフトは、 市販のTMPGEnc 4.0 XPress, PowerDirector 7 UltraやSuper LoiLoScope VENUSなど少数に限られていたが、フリーの多形式相互変換ソフトMediaCoder が v0.7.1 build 4475以降 MPEG-4 AVCへの変換でCUDAに対応した。 そこで、MediaCoder v0.7.1のCUDA H.264エンコーダと x264エンコーダによる MPEG-4 AVC/H.264（H.264_AAC.mp4）への変換を比較検討した。 又、MPEG2-TS（H.264_AC3.ts）への変換方策も検討した。 ＊GPGPU (General Purpose computing on GPU、GPUによる汎目的計算)とは、 GPUの演算資源を
CUDA＋TMPGEncで爆速エンコード!? (1/7)
最近、耳にする言葉“CUDA”。これは「クーダ」と読み、NVIDIAが提唱するGPGPU（General Purpose GPU）統合開発環境を指している。CUDAは「Compute unified device architecture」の略。GPUをC言語を使って汎用的なプロセッサとして使う技術で、グラフィックス以外の演算をGPUで行えるようにするのが目的だ。 GeForce GTX 200シリーズの登場と同時に発表されたのが「CUDA 2.0」で、ゲームに馴染みのあるフィーチャーとしては「NVIDIA PhysX」（物理演算エンジン）のアクセラレートもCUDAによるものだ。NVIDIA PhysXのパフォーマンスについては「RD vs. GF対決！ お買い得なビデオカードを探る！」でも紹介しているので合わせて見て欲しい。 CUDAが利用可能なビデオカードは、GeForce 8000/
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
