Stable DiffusionをDocker Desktopで簡単に使い始める方法 ‣ Pocketstudio.Net
Stable DiffusionをWindowsのDocker Desktopで比較的簡単にはじめる手順をまとめました。ほぼ、自分の覚書です。 確認した環境は、Windows 10 Pro、21H2、build 19044.2846＋16GB RAM+NVIDIA GeForce RTX 2060 SUPER＋WSL2(Ubuntu)+Docker Desktop 4.18.0(104112) です。 どうして Stable Diffusion のために Docker Desktop を使うのか？ 楽してセットアップしたいからです。AUTOMATIC1111/stable-diffusion-webui というウェブ用 UI は既にありますが、動かすためには環境構築等いくつかの手順が必要です。ですが、この面倒な作業を省略してできる Stable Diffusion WebUI Docker
分散深層学習パッケージ ChainerMN 公開 - Preferred Networks Research & Development
Chainer にマルチノードでの分散学習機能を追加するパッケージ ChainerMN のベータ版を公開しました。 GitHub ドキュメント ChainerMN とは ChainerMN は Chainer の追加パッケージで、Chainer を用いた学習を分散処理により高速化できます。柔軟で直感的に利用できる Chainer の利便性をそのままに、学習時間を大幅に短縮できます。1 ノード内の複数の GPU を活用することも、複数のノードを活用することもできます。既存の学習コードから数行の変更で ChainerMN を利用可能です。ChainerMN は既に社内の複数のプロジェクトで実証が行われています。 Chainer を用いた通常の学習における 1 イテレーションは下図のように Forward, Backward, Optimize の 3 つのステップからなります。 Chainer
「GeForce RTX 3070 Founders Edition」レビュー。RTX 2080 Tiに劣らない性能で消費電力と価格は低い優れたGPUだ
RTX 2080 Tiに劣らない性能で消費電力と価格は低い優れたGPU GeForce RTX 3070 Founders Edition Text by 宮崎真一 Turing世代のハイエンド製品だった「GeForce RTX 2080 Ti」（以下，RTX 2080 Ti）の性能を凌駕するAmpere世代の「GeForce RTX 3080」（以下，RTX 3080）は，インパクトがかなり大きかった。しかし，いくら高い性能を発揮するとはいえ，10万円前後という価格のグラフィックスカードには，おいそれとは手が出ない人は多いだろう。 そんなゲーマーが待ち望んでいるのは，Ampere世代のミドルハイクラスとなる「GeForce RTX 3070」（以下，RTX 3070）ではないだろうか。 GeForce RTX 3070 Founders Edition メーカー：NVIDIA 価格：49
コードなしでWeb3コンテンツなどを開発することができるプラットフォーム・thirdwebの創設者であるadammaj氏が、「経験なしで2週間でゼロからGPUを構築した」と報告しています。 I've spent the past ~2 weeks building a GPU from scratch with no prior experience. It was way harder than I expected. Progress tracker in thread (coolest stuff at the end)👇 pic.twitter.com/VDJHnaIheb— adammaj (@MajmudarAdam) ◆ステップ1：GPUアーキテクチャの基礎を学ぶ adammaj氏はまず、最新のGPUがアーキテクチャレベルでどのように機能しているのかを理解しようとしたそうで
OpenCL - Wikipedia
OpenCL（オープンシーエル、英: Open Computing Language）は、マルチコアCPUやGPU、Cellプロセッサ、DSPなどによる異種混在の計算資源（ヘテロジニアス環境、ヘテロジニアス・コンピューティング、英: Heterogeneous）を利用した並列コンピューティングのためのクロスプラットフォームなAPIである。主な用途は科学技術計算や画像処理に代表される高性能計算のためのアプリケーションソフトウェアの高速化（ハードウェアアクセラレーション）であり、シミュレーション可視化に用いるリアルタイム3次元コンピュータグラフィックスAPIとの連携も拡張機能として標準化されている。スーパーコンピュータやサーバ、ワークステーションやパーソナルコンピュータのほか、携帯機器などでの利用も想定されており、組み込みシステム向けに必要条件を下げたOpenCL Embedded Profi
本内容は、技術書典7 合同本『機械学習の炊いたん2』収録の、「エッジで機械学習」記事を公開したものです。内容は2019年9月時点の調査等に基づきます。 最近Raspberry Pi 4の検証結果などをみていると、エッジ、かつCPUでもそれなりの速度で動くケースもみられます。またこの後にM5StickV(K210)などを触りましたが、専用チップも使い所があります。今後、それらの動きもできれば補足したいと思います。 9/12-22に開催された技術書典9では、新刊『機械学習の炊いたん3』を頒布しました。私は、「AIエンジニア、データサイエンティストのための経営学、ソフトウェア工学」を寄稿しています。他にも機械学習のビジネス、エンジニアリング、数理までもりだくさん。気になられたら、ぜひご覧ください! 他にも、技術書典9「機械学習、データ分析」系の新刊リスト - Qiitaの通り、たくさんの本が出品
前モデル買った人のことを思うと切なすぎる：Nvidia RTX 2060／2070 Super レビュー2019.07.08 19:00110,165 Alex Cranz - Gizmodo US ［原文］ （ そうこ ） ほんのちょっとの差なのに…。 今年1月にでた同シリーズのNvidia GPUを買った人が涙目必至という新商品Nvidia RTX 2060 Super GPU、米Gizmodo編集部がさっそくレビューしてきました。 今年の1月、Nvidia RTX 2060 GPUが発売された時、前モデルから価格が2倍近い、パフォーマンスは悪くないけど驚くこともないとレビューしていました。が、それでも買った人はいるでしょう。買っちゃった人には本当悪いけど、Nvidia RTX 2060 Super GPUがでました。 2060に350ドル使っちゃった人はもちろん、もっと高い2070や
Transformerによる時系列データ予測のご紹介 - Platinum Data Blog by BrainPad
本記事は、当社オウンドメディア「Doors」に移転しました。 約5秒後に自動的にリダイレクトします。 発展を続ける「自然言語処理」技術。その中でも幅広く使用される深層学習モデルTransformerは、自然言語処理以外の音楽生成や物体検出などの領域でも適用できます。本ブログでは、 Transformerを時系列データに適用する方法をご紹介します。 こんにちは、AIソリューションサービス部の井出と申します。 この記事では、特に自然言語処理分野で幅広く使用される深層学習モデルTransformerを時系列データへ適用する方法に関してご紹介します。 以前の記事では、Transformerの構造や特徴などについて、自然言語処理分野の機械翻訳を例としてご紹介しております。はじめに、こちらの記事をご一読していただくことで、より本記事でご紹介する内容に対する理解が深まるかと思います。 Transform
Deep Learningを実装するのによく使われるTheanoというPythonライブラリをWindowsマシンにインストールしたのでそのときの記録。ただ使うだけだったらPythonとnumpy/scipyをインストールした後にpip installs Theanoで普通に使えていた。実際、GPUが貧弱なMacbook Airではこの方法でインストールしていた。今回、PCを買い替えた（2015/1/19）こともあって、NVIDIA社のGPUを使って高速演算できるようにしてみたというわけ。私のマシンは、 OS : Windows 8.1 64bit GPU: NVIDIA GeForce GTX 760 Ti OEM という環境。Theano TutorialにもWindowsへのインストール方法は載っているけどはっきり言ってよくわからない。いろいろ調べていたところ以下の記事が自信満々で手
Awesome Python：素晴らしい Python フレームワーク・ライブラリ・ソフトウェア・リソースの数々 - Qiita
元記事: Awesome Python Awesome List in Qiita Awesome Ruby Awesome Java Awesome JavaScript Awesome Node.js Awesome Go Awesome Selenium Awesome Appium 管理パネル 管理インタフェース用ライブラリ ajenti - サーバ用管理パネル. django-grappelli - Django 管理インターフェースのためのジャズスキン. django-jet - 改良された機能を備えた Django 管理インターフェース用の最新のレスポンシブテンプレート. django-suit - Django Admin インターフェースの代替 (非商用の場合のみ無料). django-xadmin - Django 管理者のドロップイン置換. jet-bridge -
OpenGL
The Industry's Foundation for High Performance Graphics from games to virtual reality, mobile phones to supercomputers The Vulkan website has a new home and look! It has been a while in the making but we are very excited to launch the new Vulkan website to the community. Don’t worry, Vulkan is still maintained and owned by The Khronos Group; we just felt that it had outgrown its old website now th
デー
学習済みモデルファイルを更新しています。 まだ今後の準備のためにソースコードを更新するついでに手元のモデルを更新しただけなので、そのうちまた更新されます。 デモサーバーには反映しているので少し変換結果が変わっています。 サードパーティのローカルソフトウェアを使っている方は、modelsフォルダにあるjsonファイルを上書きすれば使えるのではないかと思いますが、ソフトによっては動かないかもしれません。 何が変わっているかは画像によりますが、自分の意図としては、 ノイズ除去でできるだけ細部が消えないようにする（ほとんど変わっていないけど、頬の///は消えにくくなった） 拡大時に線画の線が太くなり過ぎないようにする（画像によってはかなり変わっている） 漫画のことは諦めた（スクリーントーンは前のバージョンよりひどくなっている場合が多い） 学習データとその生成方法から間接的に調節しているので、変更は
インテルのSandy Bridgeがヤバすぎ Corei7で4分必要なエンコードをわずか2秒 | ライフハックちゃんねる弐式
1 ： サラリーマン(大阪府)：10/09/15 18:30 ID:ZXs2LyRbP 9月13日(現地時間)より米国サンフランシスコ市にて、米インテルの開発者向けイベントである「Intel Developer Forum 2010」(以下IDF)が開催された。まずは、初日に行なわれた基調講演の模様をレポートする。 今回のIDFの中心となる話題は、2011年初頭に登場予定の新しいマイクロアーキテクチャーである「Sandy Bridge」だ。 現在の「Nehalem」アーキテクチャーを置き換えることになるSandy Bridgeは、内蔵グラフィックス機能(iGPU)をCPUと同一のダイに集積し、キャッシュを共有する。 さらに、CPUとiGPUを合わせてターボ・ブーストを行なうため、Nehalemマイクロアーキテクチャーに比べて、よりクロック向上の余地が高い。 デモでは現行のCore i7マシ
word2vec_cbow はさすがに GPU を使うだけあって元になった word2vec に比べて3倍以上高速になっています。 chainer は GPU を使うとだいぶマシになりますが、それでもかなり遅いです。ただ、 improve-word2vec ブランチの実装では、 Chainer 1.5 のものと比べて速度が1.5倍程度に改善されています（ここには示していませんが、条件によっては2倍以上の性能が出ることもありました）。残念ながらまだマージされていませんが、次のバージョンにはぜひ入ってほしいですね。 まとめ この結果を見る限り、速度に関する比較だけで言えば word2vec か gensim のどちらかを使っておけば良さそうです。 word2vec_cbow は速いですが、 GPU が必要なので動かせる環境が限定されてしまいます。逆にどうしても高速化したい場合には良い選択肢だと
（古い記事）EC2のGPUインスタンスにChainerを5行で入れて4行で動かす - 随所に主と作れば、立処皆真なり
PFI/PFN社でオープンソース公開したディープラーニングフレームワークChainer、すで使って頂いている方、ありがとうございます。 さてそんなChainerですが、MacBookでも簡単に使い始めることはできますが、真価を発揮させるにはGPU環境が欲しいところです。また一方、GPUを積んだデスクトップPCでも（特にPyCUDAの）インストールでつまづく方がいるのも事実です。 開発側の人間としては、できれば手軽に試してもらえる環境を提供したい。そこでは、やはりAWSのEC2でGPUインスタンス使うのが一番いいと思います*1。 Chainer on EC2は何名かブログ等で記事を公開されていますが、今のところ最も簡単な方法はRyosuke TajimaさんのAWSでサクッとChainerを使ってみるです。 が、やはりここでもPyCUDAをソースからのビルドしてもらうことになっています。原因
| 人気ページ | おすすめ記事 | 定番ツール | GPUでzipパスワードを超高速解析するツールがお手軽価格で販売されてたので購入してみた。 CUDAを利用した超高速パスワード解析ツールが市販されたと聞いて、興味本位で購入してみました。5桁のパスワードは一瞬、6桁のパスワードも15秒～1分で解析しちゃいます。
OpenGL - Wikipedia
OpenGL（オープンジーエル、英: Open Graphics Library）は、クロノス・グループ (英: Khronos Group) が策定している、グラフィックスハードウェア向けの2次元/3次元コンピュータグラフィックスライブラリである。SGI社内で自社のCGワークステーション向けにクローズドに策定されたAPI仕様が改良されて公開され、後に大きなシェアを持つに至った。現在は多様な描画デバイスを包括するグラフィックスAPIのオープン標準規格として策定が行なわれている。 概要[編集] この節には複数の問題があります。改善やノートページでの議論にご協力ください。 出典がまったく示されていないか不十分です。内容に関する文献や情報源が必要です。（2015年8月） 大言壮語的な記述になっています。（2015年8月） 言葉を濁した曖昧な記述になっています。（2015年8月） OpenGLは、
PyPIで公開されているパッケージのうち、科学技術関連のパッケージの一覧をご紹介します。 具体的には、次のフィルターによりパッケージを抽出しました。 Intended Audience :: Science/Research Topic :: Scientific/Engineering 英語での説明文をgoogle翻訳を使用させていただき機械的に翻訳したものを追加しております。 パッケージを探す参考にしていただければ幸いです。 パッケージ確認日：2024/06/01 パッケージ数：7085 a2pm(1.2.0) Adaptative Perturbation Pattern Method 適応的摂動パターン法 aaanalysis(0.1.5) Python framework for interpretable protein prediction 解釈可能なタンパク質予測のためのP
- はじめに - 今回、技術書典11に「Rustによる機械学習概覧」というタイトルで、所属企業であるエムスリー株式会社の執筆チームより出る「エムスリーテックブック3」に文章を寄稿した。 執筆チームからの熱いコメントは以下。 販売ページは以下。 techbookfest.org 本ブログは、エムスリーテックブック3を企画して立ち上げてから、自分で同人誌を書くまでのお気持ちを綴った、所謂ポエムである。 - はじめに - - Rustによる機械学習への想い - - エムスリーテックブック3の立ち上げ - - おわりに - - Rustによる機械学習への想い - ポエムといえば自分語り、自分語りといえばポエム。まず思い出に浸ろう。 私が機械学習を初めて実装したのは高専の頃。あの時はC/C++とJava、C#なんかを使って、何とかアルゴリズムを理解して実験していた。VisualStudioの起動に悠
はじめに Pytorchでコードを書き始めるとき、乱数固定やデータローダー、モデルの訓練や学習結果の取得等、毎度色々なサイトを参照するのは面倒だと思い、現時点の個人的ベストプラクティス・テンプレートを作成してみました。 今後のバージョンアップや便利なライブラリの登場で変わるかもしれませんげ、現在はこれで落ち着いています。 個人的な備忘録も兼ねて、前半に簡単な解説付きのコードと最後に全コードを載せています。 もっと便利な書き方やライブラリなどあれば、コメントいただけると嬉しいです。 テンプレート（解説付き） 1. ライブラリインポートと初期設定 torchやよく利用するライブラリ(numpy, matplotlib)のインポート モデルの訓練時（for文）の進捗を表示するtqdmライブラリ（jupyter notebookとコマンドライン版） 進捗表示は待ち時間の見積もりやエラーに気づくこと
【エヌ教授の事件簿】マルチGPUでディープラーニングを高速化!NVIDIA Digits2のヒミツ:電脳ヒッチハイクガイド:電脳空間カウボーイズZZ(電脳空間カウボーイズ) - ニコニコチャンネル:生活
※この物語はフィクションです。実在する人物・OS・プログラミング言語・端末・企業・団体名等とは一切関係がありませんのでご注意下さい ■登場人物紹介 ケイス淀橋 コンピュータウィルスに感染し、ネットのアチラ側からこちら側にでられなくなってしまった電脳空間カウボーイ。 シン石丸 電脳空間カウボーイズのリーダー。ケイスともケイスの兄とも昵懇の仲 エヌ教授 実際には何を研究しているのかよくわからないがコンピュータに詳しい教授 ■ニュース多すぎなディープラーニング業界 NVIDIAがDigitsの新しいバージョンを発表したよー おお、何ができるようになったの? とりあえず今回の目玉はマルチGPU対応みたいだね ちょっと待て、今までマルチGPUに対応していなかったのか? そうみたいだね。 NVIDIA、4GPU搭載マシンとか売ってたのに!? 120万円もする ああ。あれを買った人は全く意味ナシだったわ
IPythonデータサイエンスクックブック
本書はPythonの対話型環境IPython notebookを使ってデータ分析および可視化を行うためのレシピを集めたクックブックです。Pythonは、豊富な科学技術計算用のライブラリを簡単に使いこなせるため、科学計算やデータサイエンスの分野で人気を集めています。取り上げる話題は、近年注目度の高い統計や機械学習といったデータサイエンス関連を中心に広範囲に及び、実際のデータを分析して可視化するという作業を通して、Pythonの使い方をマスターします。PythonそしてIPython notebookの可能性を体感できる一冊です。 目次 訳者まえがき まえがき 1章 IPythonによる対話的コンピューティング入門 はじめに レシピ 1.1 IPython notebook入門 レシピ 1.2はじめてのIPython探索データ分析 レシピ 1.3高速配列計算のためのNumPy多次元配列 レシピ
【API,サンプルコード,使い方】TensorFlowの参考リンク、記事まとめ - HELLO CYBERNETICS
はじめに 記事まとめ TensorFlow1.2.0の変更点 IntelによるCPUの最適化 Building and Installing TensorFlow with CPU Optimizations LearningTensorFlow.com Jupyter Notebookで書かれたチュートリアル いろんなチュートリアルやモデルのまとめ Machine Learning with Tensorflowのサポートサイト TensorFlowを使ったディープラーニングの解説動画 ディープラーニング以外の実装 TensorFlowのHigh-Level API集 tflearn TensorFlow-Slim Keras Sonnet tensorpack 所感 TensorFlow強すぎ 脅威のライブラリ達 Jupyter Notebookは素晴らしい はじめに 最近はChain
The Windows Subsystem for Linux BUILD 2020 Summary
This year at an all virtual BUILD conference we had many exciting announcements for the Windows Subsystem for Linux (WSL)! This blog post gives you a summary of all the WSL news, including what’s available now and what you can expect in the future. WSL’s BUILD news at a glance Available this month Support for WSL 2 distros is coming this month in the Windows 10 May 2020 Update Docker Desktop relea
Supercomputing Contest 2013/GPUプログラミング資料 - Supercomputing Programing Contest Official Site
2023-09-13 SupercomputingContest2023 2023-09-06 Supercomputing Contest News News/sc230906 2023-09-01 News/sc230830 2023-08-28 News/sc230828 SupercomputingContest2023/本選結果 2023-08-01 MenuBar 2023-06-29 News/sc230629 SupercomputingContest2023/予選結果 2023-06-12 SupercomputingContest2023/予選・認定問題Ｑ＆Ａ 2023-06-01 SupercomputingContest2023/問題および関連ファイル群更新履歴 2023-05-31 News/sc230531 2023-05-30 News/sc230530 20
[MLAC 2013 7日目] Torch7でお手軽ニューラルネットワーク - a lonely miner
はじめに この記事は Machine Learning Advent Calendar 2013 の 7日目の記事です． 2013年，Deep Learning もアカデミックレベルではさまざまな分野への浸透が進み，バズワードの域を脱したように思えます． これまでは，機械学習というと，応用分野においては(分類/回帰といった)タスクを決めてしまった上でブラックボックスとして 扱うもの，という空気がありましたが， Deep Learning に代表される柔軟な，いかようにも組み上げられるモデルは，問題の性質を積極的に(特徴量としてではなく，モデル自体に)組み込むことを容易にする，大きな武器になるのではないかと感じています． 素性エンジニアリング vs モデルパラメータエンジニアリング の不毛な戦いが幕を上げた，という見方もできちゃいそうですが・・・．． さて今回は， Torch7 という，Ne
![[MLAC 2013 7日目] Torch7でお手軽ニューラルネットワーク - a lonely miner](https://cdn-ak-scissors.b.st-hatena.com/image/square/be0f4e8c7e927775c6d1d3ce704d32b08e1915a3/height=288;version=1;width=512/http%3A%2F%2Fconditional.github.io%2Fimages%2Ftorch%2Ffeatures.png)
CUDA Information Site
NVIDIA CUDA Information Site — unleash the power of GPU / GPUのパワーを引き出そう — NVIDIA CUDA Information サイト（以下「本サイト」）は、マルチコアソリューションを提供するフィックスターズの技術者有志が運営する、NVIDIA CUDAの普及と利用促進を目的とする情報公開と情報交換のためのサイトです。 本サイトでは、NVIDIA社が発売するGPUアクセラレーターボードTesla C1060/S1070 (Tesla）上のCUDAアプリケーション開発に関する情報を中心として、GPUに関する各種の情報をお伝えします。
ブログ投稿の続きとして、スライドに書けなかったTheanoの細かい部分についてもう少しまとめておこうと思います。 まず、Theano 解説 はTheano特徴を簡潔に表現されているので、一読をオススメします。 ここでも書かれていますが、Theanoの特徴として、 実行時にCコードを生成してコンパイル GPUでの実行のサポート(要CUDA) 自動微分 などがあげられると思います。 Theanoの超簡略チュートリアル http://deeplearning.net/software/theano/tutorial/index.html#tutorial の乱暴な要約です。 まず常にImportしておく３つ この３つはお約束です。 これだけ知っておけば概ね大丈夫 以下の事柄がだいたい理解できれば、Deep Learningの実装を読んで理解したり、変更を加えたりすることができると思います。 T.
機械学習エンジニアの吉田です。 夏ですね。7月はLayerXエンジニアブログを活発にしよう月間 です。 昨年バクラクOCRの機械学習モデルの検証から本番投入までの取り組みについて記事を書きました。 tech.layerx.co.jp その後、運用する中で新たな課題が生まれたり、負債を解消するために当初の開発環境を見直しアップデートしてきました。 今回は機械学習周辺の技術スタックに焦点を当ててその変遷について紹介したいと思います。 MLチームでは各サービスからのリクエストを処理するAPIやデータ基盤、社内のアノテーションツールなどの開発も行っており、これらは主にGo, TypeScriptで開発されていますが今回は対象外としています。 技術スタックの変遷 本番リリース時と現在の主な技術スタックの比較です。 リリース時 現在 言語 Python Python パッケージ管理 pip Poetr
更新履歴 [ 全て表示戻す ] 2020.05.28: 古くなった情報の整理。パーツ交換でUEFI画面を通過しなくなる旨を追加 2017.07.17: リンク切れサイトを削除、BIOSエラーコードの項目に補足追記 モニタやビデオカードを買い換えると起動しない場合がある旨を追記 2014.12.20: サイト内リンクの修正 2010.07.17: 初出 ある日いきなり、パソコンが起動しなくなった。 電源を入れても画面が真っ黒。あるいはパソコンから「ピーピー」と悲鳴のような音、はたまた、黒い画面に謎の英文が････等々。 このページでは、このような場合の故障ヵ所を判別･特定する方法や、いくつかの対処方法を紹介しています。以下のチェックで、多くのケースで対処可能です。 非常に長いページですので、まずは太字の部分だけ拾い読みし、全体像を把握する事をお勧めします。 このページの内容 第1章: はじめ
Windows上でデスクトップアプリを開発している身としては、そのうちC/C++でmain関数を書く人って一人もいなくなるんじゃね、と思っている。もちろん簡単なテストコードのためにはmain関数が書けるほうが便利だから全く無くなるわけじゃないんだけど、C/C++でmain関数書いて最終成果物としてリリースされる機会は、もう無くなる日は近い。 C/C++の優位性はパフォーマンスとか低位のAPIを直接叩けるとかしかない。その性能を活かすには要所要所でC/C++ネイティブコードをDLL化して呼び出せば十分で、アプリケーション全体をC/C++で書く必要は全くない。アプリ全体を構築する能力は圧倒的にC#/.NET Framewokのほうが優れている。つまりC/C++でmain関数を書く必要はなく、単にDLLとして関数をエクスポートできれば十分ってことだ。 これは純粋なC/C++の話じゃないけれど、た
1.はじめに 今までのFaceSwapは、個別に学習プロセスが必要なため処理に時間がかかるのが難点でした。今回ご紹介するのは、個別の学習プロセス無しでFaceSwapを実現するSberSwapという技術です。 2.SberSwapとは？ 下記の図は、SberSwapのモデル図でAEI-Netと呼ばれており、３つの部分で構成されています。 １つ目がIdentity Encoderで、画像XsからベクトルZidを求めます。２つ目がMulti-level Attributes Encoderdで、U-Netと同様な構造を持ち画像Xtから特徴Zattを取り出します。そして、３つ目がAAD Generatorで、これらの情報から目的とする画像を生成します。 3.コード コードはGoogle Colabで動かす形にしてGithubに上げてありますので、それに沿って説明して行きます。自分で動かしてみたい
地方拠点の一つ、九州支社に所属しています。サーバ・ストレージを中心としたSI業務に携わってましたが、現在は技術探索・深堀業務を中心に対応しています。 2018年に難病を患ったことにより、定期的に入退院を繰り返しつつ、2023年には男性更年期障害の発症をきっかけに、トランスジェンダーとしての道を歩み始めてます。 【IIJ 2022 TECHアドベントカレンダー 12/8（木）の記事です】 Whisperの追加学習に挑む2022年の冬 2022年アドベントカレンダー企画だそうです。 いかがお過ごしでしょうか。 私はもう興味を引くものに没頭するしか楽しみがないもんで、PCに向かってぼんやり面白いネタはないかなーと探す日々です。 最近はすっかりディープラーニングにズブズブで、とうとう数式かくのが面倒なあまり手書き入力のためのペンタブレットを買いました。てへ。 今回は9月から10月にかけてStabl
【この記事は、「ミクシィ19新卒 Advent Calender 2018」の23日目です。】 はじめに phalanxのスペック 開発環境 Hardware Software コンペ概要 本コンペティション開催の背景 タスク データ コンペの取り組み コンペ開始〜１ヶ月 ベースラインモデル作成 論文サーベイ・実装 OsciiArt Kernel １ヶ月〜２ヶ月 Spatial and Channel Squeeze and Channel Excination Feature Pyramid Attention for Semantic Segmentation Snapshot Ensemble Lovasz Hinge Loss モデル構築・学習 bestfitting降臨 ２ヶ月〜最終日 multi step pseudo labeling チームマージ、data leak おわり
AppleとNvidiaの関係、終焉へ
AppleとNvidiaの関係、終焉へ2019.11.26 12:3078,657 Alex Cranz - Gizmodo US ［原文］ （ 塚本直樹 ） すっかりAMD派なAppleです Nvidia（エヌビディア）とApple（アップル）の長期的な関係の名残も、まもなく消え去ります。Nvidiaは今週月曜日にCUDAプラットフォームの次期アップデートのリリースノートを公開し、｢CUDAアプリケーションを開発・実行するためのCUDA 10.2（ツールキットとNVIDIAドライバ）は、macOSをサポートする最後のリリースです｣と明かしました。 つまり、将来のCUDAはApple製品をサポートせず、これによりハッキントッシュのコミュニティを含む多くのプロフェッショナルな業界が影響を受けることになります。 CUDAはライバル製品にない強さCUDAとは、プログラムがNvidiaのハードウェ
CS231n Convolutional Neural Networks for Visual Recognition
Table of Contents: Architecture Overview ConvNet Layers Convolutional Layer Pooling Layer Normalization Layer Fully-Connected Layer Converting Fully-Connected Layers to Convolutional Layers ConvNet Architectures Layer Patterns Layer Sizing Patterns Case Studies (LeNet / AlexNet / ZFNet / GoogLeNet / VGGNet) Computational Considerations Additional References Convolutional Neural Networks (CNNs / Co
西川善司の3DGE：新世代GPU「Turing」のリアルタイムレイトレーシングは「本物」なのか？ その正体に迫る ライター：西川善司 既報のとおり，北米時間2018年8月13日，NVIDIAは，カナダ・バンクーバーで行われているコンピュータグラフィックスとインタラクティブ技術の学会であるSIGGRAPH 2018に合わせ，新世代GPUコア「Turing」（テューリング）と，Turing世代初にして「史上初のレイトレーシングGPU」という位置づけのQuadro RTXを発表した。 Quadro RTXグラフィックスカード 本稿執筆時点で，Turingのアーキテクチャ面に関する詳細は明らかになっていない。つまり，NVIDIAのイベントで明らかになった以上の情報はないわけだが，それでも「Turing世代で何ができるようになるのか」はやはり気になるところだ。 今回は，現時点における公開情報を基に，
Darknet is an open source neural network framework written in C and CUDA. It is fast, easy to install, and supports CPU and GPU computation. You can find the source on GitHub or you can read more about what Darknet can do right here: Installing Darknet Darknet is easy to install and run. This post will guide you through it. YOLO: Real-Time Object Detection You only look once (YOLO) is a state-of-t
約1年に1回、無料で利用できるクオリティの高いWordPressのテーマを紹介しています。4回目となった今回は2014年〜2015年に公開されたテーマを中心に、いつもより少し多い120テーマを集めてみました。新年となり、新規サイトを立ち上げる時やリニューアルする際の参考になれば嬉しいです。 Old Post 過去のWordPressテーマまとめです。 2013年 : 無料で使えるクオリティの高いWordPressテーマ 100 2012年 : 無料で使えるクオリティの高いWordPressテーマ 100 2011年 : 無料で使えるクオリティの高いWordPressテーマ 150 Category 01. Magazine 02. Blog 03. Portfolio 04. Corporate 05. Gallery 06. Minimal 07. E-Commerce Attentio
PCユーザーの84％はAIを強化するPCの購入に否定的
AIの進歩によってお絵かきソフトやカメラ、メモアプリなどさまざまなソフトウェアにAIが統合されるようになり、さらにAI処理に特化したプロセッサ「NPU」が登場し、MicrosoftなどいくつかのPCメーカーはNPUを搭載してAIを効率的に使えるとうたうPCを発表するなどPCとAIの連携が強化されつつあります。こうしたAI機能を備えたPCについて問うた調査に、84％の人が「お金を費やすつもりはない」と答えたことがわかりました。 Would you pay more for hardware with AI capabilities? | TechPowerUp Forums https://www.techpowerup.com/forums/threads/would-you-pay-more-for-hardware-with-ai-capabilities.322454/ Poll s
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
「ゼロからGPU開発」に経験なし＆わずか2週間で成功した猛者が登場
エッジで機械学習ってなんだろう -ブラウザ、スマホ、IoT機器での推論を概観する- - Qiita
前モデル買った人のことを思うと切なすぎる：Nvidia RTX 2060／2070 Super レビュー
TheanoをWindowsにインストール - 人工知能に関する断創録
word2vec の各種実装の速度比較 | カメリオ開発者ブログ
GPUでzipパスワードを超高速解析するツールがお手軽価格で販売されてたので購入してみた。
Python 科学技術関連のパッケージ一覧 | トライフィールズ
Rustによる機械学習概覧を技術書典11に寄稿するまでの軌跡 - Stimulator
Pytorch Template 個人的ベストプラクティス（解説付き） - Qiita
Theano の 基本メモ - Qiita
バクラクMLチームの技術スタックの変遷 - LayerX エンジニアブログ
PCが起動しない原因をさぐる方法、パソコンの故障と症状 判別方法
C/C++ から main 関数が消える日 - カタチづくり
SberSwapで、個別の学習プロセス無しでFaceSwapを実現する | cedro-blog
OpenAI Whisper に追加学習をさせる試み | IIJ Engineers Blog
Kaggle奮闘記 〜塩コンペ編〜 - phalanxの日記
西川善司の3DGE：新世代GPU「Turing」のリアルタイムレイトレーシングは「本物」なのか？ その正体に迫る
Darknet: Open Source Neural Networks in C
2015年 : 無料で使えるクオリティの高いWordPressテーマ 120