TensorFlow LiteがGPUをサポートしたらしいのでiOSで試してみた - Qiita
TensorFlow LiteがAndroidやiOSデバイスのGPUをサポートしたようです1。 TensorFlow Lite Now Faster with Mobile GPUs (Developer Preview) バックエンドはAndroidではOpenGL ES 3.1、iOSではMetal。 This new backend leverages: OpenGL ES 3.1 Compute Shaders on Android devices Metal Compute Shaders on iOS devices iPhone 7では最大6倍の高速化が見られたようです。 By leveraging the new GPU backend in the future, inference can be sped up from ~4x on Pixel 3 and Sams
KerasでTPUを使ってトレーニングをする
こんにちは、GMOアドマーケティングのS.Rです。 Googleが開発しているTPUをご存知ですか？TPUはディープラーニングを高速化するため、Googleが開発したプロセッサです。TPUでディープラーニングのモデルのトレーニング時間は20倍以上の改良が可能です。2018年9月26日にColabというGoogleが提供されている、 機械学習のオンラインノートサービスでTPUインスタンスの無料提供を始めました。今回はColabでTPUを利用する方法を投稿させていただきます。本記事中の図説は、筆者が自らの環境で作成したものを含みます。 1 Colabのインスタンスを作る Colabの利用を始める最初のStepは、Colabのファイルを作ります。Google Driveの管理画面へ遷移し、新しいColabのファイルを作ります（図1）。 図1: Colabのインステンスを作る 2 TPUを設定する
CuPyをOpenCLで動かすフレームワーク ClPy を先行リリースしました - Fixstars Tech Blog /proc/cpuinfo
本日、フィックスターズは、PythonからNVIDIA GPUを使うためのライブラリCuPyをOpenCLでも使えるようにしたClPyをGitHubにて公開しました！ ClPyを使えば、例えばChainerのようなニューラルネットを用いた機械学習を、OpenCLが動くデバイス（例えばAMD Radeonなど）でも動作させることができるようになります。 詳細 CuPyとは、Python上での数値計算におけるで事実上の標準となっているNumPy互換でCUDAを使ったGPGPUが利用できるようにするためのライブラリです。もともとCuPyは、Preferred Networksさんが作っているChainerというニューラルネット用フレームワークをCUDAで動かすためのバックエンドとして統合されていました。現在では分離・独立して、Preferred Networksさん主体で「NumPy互換で動く」
10万円で自宅にDeep Learning用マシンを作った際にはまったこと - algonote
1年半前にBTOパソコンのGPU入れ替えた際のメモ。 中古のBTO PCのGPUを入れ替えるという選択肢 Deep Learningの学習をする際にCPUでやるのは速度の面で現実的でなく、デファクトスタンダードはNVIDIAのGPUのマシーンを使うこと。 最近では随分GPUのクラウドインスタンスも増えたが、GPUは本質的に発熱量が多く、データセンターで１点管理するには不向きで、長時間学習させているとコストがかさみがち。そう行った際に、自宅にGPU環境があるとクラウドより割安になる場合もあるが、組み立て済みのマシンは初期費用20万円以上するのでまあお高い。 自作するという選択肢もあるが、パーツで買うと量産効果きかないのか割高になる場合もある他、Macに慣れたゆるふわ自作PC勢には0->1組み立てはなかなか厳しい。 マシンに対する見解は色々あり、ググると 1) クラウド派 2)組み立て済み購入
Googleの機械学習マシン「Cloud TPU Pod」の新型はNVIDIA Tesla V100の200倍高速に - GIGAZINE
Googleが開発する機械学習向けプロセッサ「TPU」をGoogleデータセンターネットワークと接続したマシン「TPU Pod」の新バージョンが、クラウドで提供開始されました。TPU Podでの機械学習における時間と費用というコストが劇的に下がるとGoogleはアピールしています。 Now you can train TensorFlow machine learning models faster and at lower cost on Cloud TPU Pods | Google Cloud Blog https://cloud.google.com/blog/products/ai-machine-learning/now-you-can-train-ml-models-faster-and-lower-cost-cloud-tpu-pods Googleは機械学習やディープラー
グラフィックボードの交換・増設
自作パソコンやBTOパソコンでは、グラフィックボードが故障した場合、あるいはマルチディスプレイ・動画編集・3Dゲームなど、スペックを上げるためにグラフィックボードを交換・増設することがあります。 グラフィックカードの交換や増設は、特別に難しいということはありませんが、いくつか注意しておいたほうがいい点があります。 このページでは、グラフィックボードの取り付け・交換の方法、注意点、ドライバ、グラフィックボードの選び方などについて解説しています。 新たに取り付ける場合から実例を交え解説しています。 サイドパネルをあけて内部にアクセスできるようにします。 パソコンを横にして主電源はOFFにします。○印がOFF。電源ケーブルを抜いておくと無難です。ケースに傷が付くこともあるため、何か布製のものを敷いておきます。 PCI-Express×16のスロットを確認します。スロットの左にグラフィックボードの
機械学習にも使えるゲーミングPCを購入! - My Note Pad
なかなか書けずに購入してから半月以上たってしまいましたが、今更ながら書いていきます。 購入の目的 機械学習をちゃんとやってみたい ゲーム 久々にWindowsに触ってみようと思った 購入したモデル 色々調べましたが、最終的にマウスコンピュータのG-Tuneか、ドスパラのGALLERIAで暫く悩んでいました。 元々は、 Core i7 7700系 GTX1070 Mem 16GB あたりのスペックを検討していましたが、どうしても15万以上するので二の足を踏んでいました。 そんなときにAmazonのSpringセールを眺めていたら、以下のモデルが20%OFFで販売していたので、即決で購入しました。 Amazon CAPTCHA 購入時の価格は 割引前は120,356円で 割引後は 96,285円でした。 なんとか15万円以下でと考えていたので、かなり安く抑えられて満足しています。 カスタマイズ
NVIDIA GeForceからAMD（ATI）Radeonへのグラフィックボードの載せ換え : モモンハン日記
グラボの性能は日進月歩。でPCでゲームしてるとつきものなのがグラボの交換。NVIDIAからエヌビディア、エヌビディアって読むんだよね最初読めなかったってそれはおいておいて。Radeonからレイディオンかラデオン。レイディオンが正式な読みらしい。ラデでいいっすけど日本じゃ。ATIもいつのまにか買収されてAMDだしね。 これもおいておいて。同じメーカーでグラボ交換するならただつけかえるだけで問題がでることは少ないがメーカーを変えるとそのまま交換では問題がでることが多くなる。 とくに今（2011）はNVIDIAからRadeonって人が多いのではないでしょうか。ということでそういう場合のやりかたってのを。NVIDIAからRadeonで書いてますが逆でも同じ。そして同メーカーでも調子悪くなることあるんで同じようにやると調子よくなったりします。 基本的な流れは。 新しいグラボのドライバを用意する。 ↓
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
