Introducing the AI Research SuperCluster — Meta’s cutting-edge AI supercomputer for AI research
Introducing the AI Research SuperCluster — Meta’s cutting-edge AI supercomputer for AI research Developing the next generation of advanced AI will require powerful new computers capable of quintillions of operations per second. Today, Meta is announcing that we’ve designed and built the AI Research SuperCluster (RSC) — which we believe is among the fastest AI supercomputers running today and will
Meta（旧Facebook）、メタバース構築に向けてNVIDIAと共同で高速AIスパコン構築中
米Meta（旧Facebook）は1月24日（現地時間）、AIスーパーコンピュータ「AI Research SuperCluster（RSC）」を発表した。2022年半ばに完成の見込みで、「世界最速になると確信している」という。 RSCは「何百ものテキスト、画像、動画をシームレスに分析し、新たな拡張現実ツールの開発に役立つ。最終的にはAIが重要な役割を果たすメタバース構築のための道を開く」とMetaは説明する。 また、何兆ものパラメータを持つAIモデルをトレーニングすることで、有害コンテンツのリアルタイム特定にも役立つとしている。数百の言語を理解できるAIモデルが可能になれば、現在批判されている英語以外の有害コンテンツの特定性能も上がりそうだ。 Metaは2020年にRSCの開発に着手した。米NVIDIAのテクノロジーを採用し、Metaのエンジニアがネットワークやケーブルなどのシステムをゼ
Kaggleの画像コンペに初心者だけでチーム組んで挑んでみたら銅メダル取れた話 - Qiita
はじめに 表題そのまんまですが、深層学習を勉強し始めてすぐに無謀にもkaggleの画像コンペに挑戦し、コンペ終了時点で学習期間3か月ちょっとの初心者チームが、銅メダルを取る（116位/1324）に至るまでの記録を書いていきます。 初心者がどうやってコンペに取り組んだかの記録がメインの話で、これからkaggleに参戦してみようかと思ってる人やチームを組もうか迷っている人の背中を後押しすることを目指した記事としています。 手法的な部分で参考になるようなものは少ないと思いますので、予めご了承ください。 どんなコンペに参加したか SIIM-FISABIO-RSNA COVID-19 Detectionという画像コンペに参加しました。コンペの開催期間は5月18日から8月10日まででした。 肺のレントゲン画像に対して、新型コロナ感染症の罹患状況を表すnegative、typical、indetermi
統計・機械学習の理論を学ぶ手順 - Qiita
社内向けに公開している記事「統計・機械学習の理論を学ぶ手順」の一部を公開します。中学数学がわからない状態からスタートして理論に触れるにはどう進めばいいのかを簡潔に書きました。僕が一緒に仕事をしやすい人を作るためのものなので、異論は多くあると思いますがあくまでも一例ですし、社員に強制するものではありません。あと項目の順番は説明のため便宜上こうなっているだけで、必ずしも上から下へ進めというわけでもありません。 （追記）これもあるといいのではないかというお声のあった書籍をいくつか追加しました。 数学 残念ながら、統計モデルを正しく用いようと思うと数学を避けることはできません。ニューラルネットワークのような表現力が高くて色々と勝手にやってくれるような統計モデルでも、何も知らずに使うのは危険です。必ず数学は学んでおきましょう。理想を言えば微分トポロジーや関数解析のような高度な理論を知っておくのがベス
昔のゲームのBGMっぽいものを自動生成したい - ABAの日誌
昔ってのはゼビウスとかディグダグとか、1980年代前半までさかのぼるくらいの昔。この頃のレトロアーケードゲームのBGMは、4～8小節くらいの短いフレーズを繰り返すものがあった。 自作ミニゲームのBGMとしてそういったBGMが欲しい、できれば自動生成したい、というもくろみが前々からあって、いくつかそういった技術を探していた。 一つはWolframTones。セルラオートマタを切り出してメロディにする手法。これはお手軽でよさそうなのだが、16分音符で完全五度で往復するベースとか、昔のゲームでよく見るフレーズが再現できないのが弱点に見える。 最新のものだとOpenAIのJukeboxがあるが、これは楽譜ではなく音楽の波形を生成するものなので、レトロゲーム向けではない。 そこでMagentaだ。MagentaはGoogleがやっている、機械学習を音楽や絵に応用するリサーチプロジェクト。ブラウザで動
【MLOps】「いつか使いたい！」と思っていた人のためのMLflowまとめ - Qiita
MLflowとは？ MLflowは機械学習のライフサイクル管理（MLOps）を目的としたライブラリで、主に実験管理用途で使用されることの多いツールです。 実験管理とは、 ・使用した学習器や学習データ、ハイパーパラメータ等のモデル作成条件 ・そのモデルを評価して得られた評価指標 のセットを記録し、複数条件の比較を行うことで最適なモデル選定を行う工程です。 このような条件記録はExcel等での手入力が一般的かと思いますが、 「手入力は時間が掛かる！」 「手入力をミスして苦労して集めた結果が信頼できなくなった」 という経験をされた方も多いかと思います 上記のような経験から、MLflowにより実験管理を自動化すれば、多くのメリットが得られることはイメージが付くかと思います。 MLflowは2018年リリースの比較的新しいライブラリですが、GitHubのStarは既に1万を突破しており、下図のように
動画中の顔を「若返らせる」「常に笑顔にする」編集技術 イスラエルチームが開発
Innovative Tech： このコーナーでは、テクノロジーの最新研究を紹介するWebメディア「Seamless」を主宰する山下裕毅氏が執筆。新規性の高い科学論文を山下氏がピックアップし、解説する。 イスラエルのテルアビブ大学の研究チームが開発した「Stitch it in Time: GAN-Based Facial Editing of Real Videos」は、実写映像内に映る人物の顔を編集できる深層学習を使った技術だ。元動画の動きのまま、その顔のアイデンディティを維持しつつ年齢を変えて若くしたり老化させたり、性別を変える、常に笑顔や怒っている顔にするなどといった編集ができる。 GAN（Generative Adversarial Network）は、顔の静止画像の編集に広く使用されており、高いパフォーマンスを達成している。しかし、動画で再現することは非常に困難を極める。動画の
［解決！Python］クラスを定義するには
class MyClass1: def __init__(self, x, y): self.x = x self.y = y mc = MyClass1(1, 2) print(f'x: {mc.x}, y: {mc.y}') # x: 1, y: 2 class MyClass2: def __init__(self, x, y): self.x = x self.y = y def show_attr(self): print(f'x: {self.x}, y: {self.y}') def set_x(self, value): self.x = value def set_y(self, value): self.y = value mc = MyClass2(1, 2) mc.show_attr() # x: 1, y: 2 mc.set_x(10) mc.set_y(20
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
フォントワークス、手書き文字をAIがフォント化する「AI JIMOJI」の提供を開始／フォントを楽しむ実験仮想都市「MOJICITY」のコンテンツ第1弾