最近の投稿 サイトを新しくしました Unityでスクリプトを使わずに流体を計算する PHPでオンライン対戦できるリバーシを作ってみた ハル研究所プログラミングコンテスト2018に参加しました ワイヤーアクションゲームを作りました 最近のコメントリバーシAIを作ってみた に yukari よりPHPでオンライン対戦できるリバーシを作ってみた に 白丸 よりリバーシAIを作ってみた に taguchi よりPHPでオンライン対戦できるリバーシを作ってみた に ああ亜 よりリバーシAIを作ってみた に Yoka よりアーカイブ 2021年6月 2018年12月 2018年11月 2018年10月 2018年9月 2018年6月 2018年5月 2018年2月 2018年1月 2017年12月 2017年11月 2017年8月 2017年3月 2017年2月 2016年12月 2016年8月 20
この記事は GPGPU Advent Calender の1日目の記事です 参加者募集中です。マジで。 GPGPU Advent Calendar人いなさすぎじゃね?大丈夫? とものすごいいろんな方からご心配いただきましたが大丈夫じゃないです まぁ、それがある意味でGPGPUの現状なのではないかという気がしていて、盛り上げていくためにいろいろやりたいですね、というところです。 さて、1日目は、「GPUを手っ取り早く活用するためのライブラリ、ArrayFireのご紹介」をしたいと思います はじめに GPGPUもだいぶ普及してきたとはいえ、耳にするのはやはり敷居の高さです 「CUDAとかOpenCLとか難しいでしょ?」という話はよく聞きますし、そのたびに「まぁそうですねぇ……」と返すのが様式美というかなんというか 難しい要因として、 ホスト、デバイスプログラムという二つのプログラムを書く必要が
In this paper, we focus on three sparse matrix operations that are relevant for machine learning applications, namely, the sparse-dense matrix multiplication (SPMM), the sampled dense-dense matrix multiplication (SDDMM), and the composition of the SDDMM with SPMM, also termed as FusedMM. We develop optimized implementations for SPMM, SDDMM, and FusedMM operations utilizing Intel oneAPI’s Explicit
一般的な企業で使用されているWindowsのパスコードを6時間以内に突破できるGPUクラスターを使用したクラッキングのシステムが開発された、とArs Technicaが報じています。 25-GPU cluster cracks every standard Windows password in 6 hours | Ars Technica http://arstechnica.com/security/2012/12/25-gpu-cluster-cracks-every-standard-windows-password-in-6-hours/" このシステムを開発したのはStricture Consulting Group社のCEOであるJeremi M Gosney氏で、ノルウェーのオスロで開催されたPasswords^12 conferenceにてその詳細を発表しました。 Gos
The OpenCL registry contains formatted specifications of the OpenCL API, OpenCL C programming language, OpenCL SPIR-V environment, and OpenCL extensions. The OpenCL registry also includes header files, links to reference pages, reference cards, and other related documentation. The asciidoctor source for the specifications in this registry is available in the OpenCL-Docs GitHub repository. This reg
1.はじめに 2.GPU 3.GPGPU 4.CUDA 5.特異値分解 6.QR 分解 7.実験 8.考察・課題 近年のグラフィックスプロセッサ(以下 GPU)の性能向上は著しく理論ピーク性能が 500GFLOPS を超えるまでに成長している(図1).GPU は本来グラフィックス処理専用のハードウェアであったがその処理能力の高さから汎用処理向けの研究が盛んに行われている. 一方,データマイニング,画像処理など広い分野で利用される数値線形代数アルゴリズムに特異値分解がある.各分野において扱う問題の大規模化に伴い,高速な実装が強く求められている. 本研究は現在データマイニングの分野などで需要の高い特異値分解をGPUによって高速化することを目的とした実験を行なった. ほとんどの GPU のハードウェアは現在 NVIDA 社と AMD 社の2大メーカによって作られている.GPU
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