Meet Horovod: Uber's Open Source Distributed Deep Learning Framework for TensorFlow
Data / ML, EngineeringMeet Horovod: Uber’s Open Source Distributed Deep Learning Framework for TensorFlowOctober 17, 2017 / Global Over the past few years, advances in deep learning have driven tremendous progress in image processing, speech recognition, and forecasting. At Uber, we apply deep learning across our business; from self-driving research to trip forecasting and fraud prevention, deep l
Medium – Get smarter about what matters to you.
Your privacy stays yours. We don’t sell your data or target you with ads. Ever. Medium is not like any other platform on the internet. Our sole purpose is to help you find compelling ideas, knowledge, and perspectives. We don’t serve ads—we serve you, the curious reader who loves to learn new things. Medium is home to thousands of independent voices, and we combine humans and technology to find th
２値化CNN on FPGAでGPUとガチンコバトル（公開版）
TensorFlow User Group HW部(2017年２月２７日)で使ったスライドです。講演後、一部加筆・修正しています。Read less
Deep Learning Image Recognition Using GPUs in Amazon ECS Docker Containers
Update: it’s no longer necessary to copy the drivers into the runtime and expose volumes from the host. We’ve written up a “How To” on the the new process here: https://medium.com/@bfolkens/deep-learning-image-recognition-using-gpus-in-amazon-ecs-docker-containers-part-ii-56748701b116 Scaling up a web service was once a nightmare among DevOps. Provisioning and maintaining ‘N’ machines, handling fa
Retty流『2200万ユーザを支える機械学習基盤』の作り方 - Qiita
みなさん、こんにちは。Retty CTO の樽石です。 この記事は Retty Advent Calendar 25日目です。メリークリスマス。 昨日は @ttakeoka の『MFIにむけてRettyの取り組み』でした。 今年も残りわずかになりました。いかがお過ごしですか？ Retty はこの １ 年でエンジニアがほぼ倍増しました。それによって、情報発信者が増え、Advent Calendar に参加出来るようになりました。みんな楽しそうにしていて、うれしいです。 Retty Inc. Advent Calendar 2016 - Qiita さて、今年最後の Retty Advent Calendar 記事を書くということで、はじめは １年のまとめ的内容にしようかと思いましたが、それでは平凡で面白くありません。そこで、ネタになりそうなマニアックな技術的記事で締めくくりたいと思います。
次世代自律マシンのための NVIDIA 組込みシステム
Far Edge Vision AI 開発を変革する NVIDIA は、強力なマイクロサービスと API を導入して、これまで以上に迅速なエッジ AI を実稼働環境にもたらします。 AI はビジネス プロセスの自動化、データ分析によるインサイトの獲得、顧客と従業員との関わりなど、競争上の優位性を推進しています。NVIDIA® Jetson™ は、自律マシンとその他の組込みアプリケーションの世界をリードするプラットフォームです。小型で高性能なコンピューターの Jetson モジュール、ソフトウェアを高速化する NVIDIA JetPack™ SDK、センサー、SDK、サービス、開発をスピードアップする製品からなるエコシステムが含まれます。Jetson は、他の NVIDIA プラットフォームに使用される、AI ソフトウェアやクラウドネイティブ ワークフローとの間で互換性があり、ソフトウェア
I: Building a Deep Learning (Dream) Machine
As a PhD student in Deep Learning, as well as running my own consultancy, building machine learning products for clients I’m used to working in the cloud and will keep doing so for production-oriented systems/algorithms. There are however huge drawbacks to cloud-based systems for more research oriented tasks where you mainly want to try out various algorithms and architectures, to iterate and move
拡がるディープラーニングの活用
2016年1月15日に行われたNVIDIA Deep Learning Day 2016での講演です。 エヌビディア合同会社 エンタープライズビジネス事業部 井﨑 武士 既にディープラーニングの活用は拡がっています。このセッションでは世界中の様々な事例をご紹介します。またドワンゴ、みずほ証券、ABEJAをゲストにお迎えして、日本でのディープラーニングの先進的な事例をご紹介して頂きます。 FACEBOOKの提唱するBig Surアーキテクチャなど、ディープラーニングを活用するためのシステム構築のノウハウや、Microsoft Azure、IBM SoftLayer など、ディープラーニングに最適なクラウドの活用についてもご紹介します。 さらにディープラーニングのシステム構築を請負うインテグレーター各社（NTTコムウェア、クロスコンパス、システム計画研究所、テクノスデータサイエンス・マーケティ
A Full Hardware Guide to Deep Learning — Tim Dettmers
GPUThis blog post assumes that you will use a GPU for deep learning. If you are building or upgrading your system for deep learning, it is not sensible to leave out the GPU. The GPU is just the heart of deep learning applications – the improvement in processing speed is just too huge to ignore. I talked at length about GPU choice in my GPU recommendations blog post, and the choice of your GPU is p
NVIDIA cuDNN | NVIDIA Developer
Accelerated Learning cuDNN provides kernels, targeting Tensor Cores, to deliver best available performance on compute-bound operations. It offers heuristics for choosing the right kernel for a given problem size. Expressive Op Graph API The user defines computations as a graph of operations on tensors. The cuDNN library has both a direct C API and an open-source C++ frontend for convenience. Most
New P2 Instance Type for Amazon EC2 – Up to 16 GPUs | Amazon Web Services
All of the instances are powered by an AWS-Specific version of Intel’s Broadwell processor, running at 2.7 GHz. The p2.16xlarge gives you control over C-states and P-states, and can turbo boost up to 3.0 GHz when running on 1 or 2 cores. The GPUs support CUDA 7.5 and above, OpenCL 1.2, and the GPU Compute APIs. The GPUs on the p2.8xlarge and the p2.16xlarge are connected via a common PCI fabric. T
Raspberry PiのGPUで行列乗算(その1) - Qiita
追記: 2017/06/06 その後の成果 その後の私達の努力の結果、下記記事のコードよりさらに高速化されています。近日sgemmのコードを公開する予定です。 また以下の記事ではraspiのgpuを活用する事で画像認識等が速くなるはずだという事を言いましたが、その後以下のような成果が出ています。ConvolutionやActivation等もGPU上で実行するようにしています。 Object recognition camera with GoogLeNet, a 1000-class image classification model, running locally on #RaspberryPi 3 pic.twitter.com/WP99ePpfrM — 中村晃一 (@9_ties) 2017年4月29日 Raspberry Pi Zero version pic.twitter
Distributed Neural Networks with GPUs in the AWS Cloud
by Alex Chen, Justin Basilico, and Xavier Amatriain As we have described previously on this blog, at Netflix we are constantly innovating by looking for better ways to find the best movies and TV shows for our members. When a new algorithmic technique such as Deep Learning shows promising results in other domains (e.g. Image Recognition, Neuro-imaging, Language Models, and Speech Recognition), it
情弱だけどディープラーニングフレームワークCaffeを使ってみたい - Qiita
TL;DR← 下記の２記事を読めば終わり。 EC2でCUDAを使いたい GPUインスタンス上でDocker使ってCaffeしたい はじめに どうも、情弱太郎です。 最近、ディープラーニングという言葉は持て囃されていますね。 昔のビックデータのそれを思い出しました。 その辺のオジサン（sucks）が部下に『ほら、最近パソコンがネコ分かるようになった、あー、あれ、ドープラーニングだっけ？アレでなんかできないの？』って言われたときに対応できるようにしておきたくなったので、ディープラーニングしてみることにしました。 ディープラーニング、いろいろ実装があるみたいです。 最近だと https://github.com/NervanaSystems/neon これも良さげですが、使い方が全く分からないです。 なんだかんだでCaffeってのがドキュメントちゃんとしてる風なので、Caffeをやってみることに
CUDA 6.5 on AWS GPU instance running Ubuntu 14.04 - Seven Story Rabbit Hole
Sometimes awesome things happen in deep rabbit holes. Or not. Using a pre-built public AMI Based on the instructions in this blog post, I’ve created an AMI and shared it publicly. So the easiest thing to do is just use that pre-built AMI: Image: ami-2cbf3e44 for US-East or ami-c38babf3 for US-West (Ubuntu Server 14.04 LTS (HVM) – CUDA 6.5) Instance type: g2.2xlarge (if you skip this step, you won’
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
NVIDIA、機械学習向けGPU「Tesla M40」などを発表
データセンター向けの取り組みを進めているNVIDIAが、機械学習の効率を高めるよう設計された新しいプラットフォームを発表した。 NVIDIAがハイパースケールデータセンター向けのエンドツーエンドプラットフォームを手がける目的は2つある。 第1の目的は、開発者に対し、人工知能の技術をベースとしたディープラーニング（深層学習）ネットワークの構築とスマートアプリの開発を促すことだ。これは複数のデータセンターにまたがるディープニューラルネットワークを構築するための新しいアクセラレータの提供という、第2の目的につながっている。 NVIDIAの最高経営責任者（CEO）で共同創業者のJen-Hsun Huang氏は、自動車から医療まで、さまざまな利用機会があることを示唆した上で、機械学習について、「われわれの世代にとって最大のコンピューティング上のチャレンジだ」とまで述べている。 NVIDIAは、このよ
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
Reddit - Dive into anything
GPU Acceleration in Databricks
GitHub - soumith/convnet-benchmarks: Easy benchmarking of all publicly accessible implementations of convnets
