【レビュー】 悩ましいRyzen G向けメモリの選択
「悪い方が良い」原則と僕の体験談｜Rui Ueyama
ソフトウェアの世界には「悪い方が良い」原則という有名なエッセイがある。キレイにレイヤ分けされた一貫性のある良いデザインよりも、一見手抜きっぽい悪いデザインのほうが実は良いときもあるという話だ。この逆説的なデザイン原則を僕は身をもって体験したことがある。それについてちょっと書いてみようと思う。 僕はlldというリンカの現行バージョンのオリジナル作者だ。リンカというのはコンパイラと組み合わせて使うもので、実行ファイルやDLLを作るのに使用される。lldはプロダクトとしてはかなり成功していて、標準のシステムリンカとして採用しているOSがいくつかあったり、GoogleやFacebookなど皆が知っているような大規模サイトの中で広く使われていたりする。 現在のlldは2世代目で、第1世代のlldは僕がプロジェクトに参加する前から存在していたのだけど、数年前にそれを捨てて一から書き直すということになっ
【レビュー】Ryzen 5 2400G & Ryzen 3 2200G：限られた予算で輝くAPU
プロセスルールが14nmから若干微細化して「14nm+」に進化した。それに伴い、定格時のクロック周波数も大幅に伸びている（ベースクロックは+400Mhz、ブーストクロックは+500Mhz）。 他にも色々とカタログスペック（仕様）が変化しているので、ザーッとまとめてしまいます。 Vega世代の内蔵GPUが実装対応メモリ規格が若干向上（2666 → 2933）MSRP（価格）は据え置きL3 Cacheの容量が50%減少（8MB → 4MB）PCI Express 3.0のレーン数が半減（16 → 8）全体的には、特に問題は無い。むしろ「APU」というコンセプトを考えれば、ふさわしい内容のカタログスペックに仕上がっているとすら言える。価格も完全に据え置きで嬉しい。 ソケットは引き続きSocket AM4が続投しているので、乗り換えもしやすい。「内蔵グラフィックスがデタラメに強くなったCore i
AMD Ryzen 5 2400G Review
はじめに 2018/02/13 10:00 に販売解禁された Raven Ridge こと Ryzen 5 2400G。 ちょうどその時間は出先だったのでスマホでポチポチしながら在庫あるお店を探しつつ速攻でポチってみた。 載せ替えに関しては先日掲載した記事を参照してほしい。 本記事では数こそ少ないが、実際に採取したベンチマークや消費電力に関するデータを掲載する事でレビューとしたい。 また、記事中のデータではメモリ速度が異なる物もあるので、その時々で注釈をいれる事とする。 マシンスペック ベンチマークを行った時点での PC スペックは次の通り。 サブマシンの用途は主に PT2 を用いた地デジの録画となるので HDD が多め。この点が後述する IDLE 時消費電力に関係することとなる。 3DMark 定番の 3DMark。GPU 性能に加えて CPU 性能の指標にもなる為、1 本で 2 度美味
データサイエンティストを目指して勉強した1年間まとめ - Qiita
Deleted articles cannot be recovered. Draft of this article would be also deleted. Are you sure you want to delete this article? はじめに 本記事では、データサイエンスについて学んだこと、データ分析業務に携わって、経験したこと、気付いたことをまとめています。特に、後半を中心にまとめています。前半についてはこちらの「データサイエンティストを目指して半年で学んだことまとめ」に書いています。ご興味があれば、読んでいただければと思います。 全ては**ビジョン（あるべき/ありたい姿）**を明確にしてから始まる データ分析で最も重要になるのが、ビジョン（あるべき/ありたい姿）の明確度にあると感じています。ビジョンが明確であるほど、課題・目的も明確に設定でき、課題解決のための仮
ディープラーニングの限界 | POSTD
(注：2017/04/08、いただいたフィードバックを元に翻訳を修正いたしました。 @liaoyuanw ) この記事は、私の著書 『Deep Learning with Python（Pythonを使ったディープラーニング）』 （Manning Publications刊)の第9章2部を編集したものです。現状のディープラーニングの限界とその将来に関する2つのシリーズ記事の一部です。 既にディープラーニングに深く親しんでいる人を対象にしています（例：著書の1章から8章を読んだ人）。読者に相当の予備知識があるものと想定して書かれたものです。 ディープラーニング： 幾何学的観察 ディープラーニングに関して何より驚かされるのは、そのシンプルさです。10年前は、機械認識の問題において、勾配降下法で訓練したシンプルなパラメトリックモデルを使い、これほど見事な結果に到達するなど誰も想像しませんでした。
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
【レビュー】 【本日発売】GPU内蔵になったRyzenの性能をベンチマーク
Japanese women ordered from sumo ring during first aid
「ポップ地政学」本の掲載地図批判-主に高校地理レベルでの内容の誤りについて