北朝鮮総書記死去のニュースに便乗した標的型メールを確認 - Tokyo SOC Report
What’s Next in Quantum is quantum-centric supercomputingA key factor in classical supercomputing is the intersection of communication and computation. The same holds true for quantum. Quantum-centric supercomputing utilizes a modular architecture to enable scaling. It combines quantum communication and computation to increase system capacity, and uses a hybrid cloud middleware to seamlessly integr
並列に Deep Learning して、高速に賢くなれるか | Webシステム開発／教育ソリューションのタイムインターメディア
Deep Learning していると、学習にとても時間がかかるのがネックになる。 時間だけでなく、メモリもいっぱい必要になる。 今はGPUなるものがあり、これを使うと計算処理が一気に早くなると言われている。 GPUの計算性能は、CPUの50倍以上とか言われているのだが、実際にはそこまで高速にDeep Learningできるようにはならない。 GPUを使う場合には、GPUにデータを送ったり、GPUからデータを受け取ったりなど、CPUとＧＰＵの間でのデータのやり取りが発生し、この量が半端ではない。このため、実際の速度向上は10倍程度にしかならない。 でも、もっと高速にしたいと思ったらどうすればよいだろうか。 多数のGPUを同時に使えば、どんどん高速になるのではないだろうか。 分散して学習する場合に問題になるのは、別々のGPUで学習した結果をまとめて、それをまた全GPUに分配し直すという作業が
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
処理を実行中です
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
