Beyond Numpy Arrays in Python
Beyond Numpy Arrays in Python Preparing the ecosystem for GPU, distributed, and sparse arrays Executive Summary In recent years Python’s array computing ecosystem has grown organically to support GPUs, sparse, and distributed arrays. This is wonderful and a great example of the growth that can occur in decentralized open source development. However to solidify this growth and apply it across the e
AWSのGPUインスタンスでTensorFlowを動かす - Qiita
以下の環境で試したので、インストール時の作業記録を残しておきます。 Mac OS X CPUのみ Amazon web service(AWS) GPUあり なお、TensoFlowはWindowsで動作しません。TensorFlowが採用しているGoogle製のビルドツールBazelが、LinuxとMacのみの対応です。手元にMacかLinuxマシンが無ければ、AWSでUbuntu環境を用意するのが簡単だと思います。 Mac OS X CPUのみで動作するパッケージをインストールしました。最もお手軽です。 スペック - MacBook Pro (Retina, 15-inch, Mid 2014) - CPU: 2.2 GHz Intel Core i7 - メモリ: 16 GB 1600 MHz DDR3 公式ドキュメント通りpipでパッケージを導入。 $ sudo easy_inst
手のひらスパコンでKeras-Tensorflowを使ってみる - Qiita
この記事は Retty Advent Calendar 20日目です。 昨日は@takumi-suzukiのDNSでバランシングしていたら辛くなった話でした。 ガジェット手当 みなさん、いきなりですがスパコンを持ってますか？ 僕は持っています。 Rettyという会社は、エンジニアには通期で一回「ガジェット手当」という制度があります。 IT機器などを個人的に購入する場合に、業務とか用途関係なく援助してくれる制度です。 だからというわけではありませんが、Rettyでもスパコンを買ってみることにしました。 スパコン買ってみよう！ 皆さんが想像されるスパコンというのはこういうのをイメージされると思いますが、 By 0-0t - 0-0t, GFDL-no-disclaimers, Link やっぱ買うならこういうのが欲しいなと思ったりするのですが、残念ながらまだまだベンチャーのRettyにはこんな
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
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
http://expressionflow.com/2016/10/09/installing-tensorflow-on-an-aws-ec2-p2-gpu-instance/
OpenCL support · Issue #22 · tensorflow/tensorflow
Before you install Tensorflow on your Mac or your AWS, you must know !! – Tinyfool's blog