そうだコンテナー データセンターを作ろう (Part1. 用地選定編) – Made in container
20 歳で Azure をさわり始めて、早いもので 6 年経ちました。新卒で日本マイクロソフトに入社してもうすぐ 4 年、クラウドの中の人なはずなのに、我が家には何故か大量の NUC 8 台 (4 台 x 2 世代) と、512 GB の RAM を積んだサーバーがベッドの下で鎮座して、年々検証機が増える一方です。 そんな私ですが、ついカッとなった結果、タイトルの通りコンテナ (物理) データセンターを建てるに至ったので、何度かに分けて書いていこうと思います。変態 (誉め言葉) の皆さんはどうか生暖かい目で見守ってくださいませ。(※なお、あくまでも趣味の話であり、所属する組織とは一切関係ございませんのでご承知おきください。) ちょっとだけ真面目な話をすると、大学のころから Show and Tell をする (目の前で実際に動くものを見せながら発表すること) 環境におかれ、MS のサポート
Engadget | Technology News & Reviews
Nintendo Switch 2: Everything we know about the coming release
DeepDream環境 Caffe構築 | Natural Days
GoogleのDeepDreamがGitで公開されて、キモィ絵を生成できるということで…触ってみるよねw ローカルPC上でCUDA使ってDeap LearningのCaffeを構築するのもだけど、サーバ上のPC駆動で構築しておけば、例えばVPS(KVM)で適当にサーバ借りてサクッとscreenかまして動かしておけば、結果が出ているというわけで。自分のPCに特に負荷を与えずに放置プレイで動かせる。 って感じの環境で動かす場合の方法を。 – サーバ : Ubuntu 15.04 – VPS : CPU x3/MEM 2Gbyte # まずはscreenしとく。以下、コピペでOK。 screen # Caffeの構築 sudo apt-get install nvidia-cuda-toolkit libatlas-base-dev libprotobuf-dev libleveldb-dev
SegNetをUbuntuで試してみた
OpenCV、機械学習、はやりのDeep learningの環境構築の方法、サンプルの動かし方、ＡＰＩの使い方、Tipsなどをすぐに忘れてしまうので、備忘録として記録している。記憶がなくなるスピードが、早いのでメモしておかないと再現できなくなる確率が高まっている。 最近、再度HDDを飛ばしてしまい、過去の自分のページに再度助けられた。 また、DNNモジュールを触る機会が増えているので、C++からPyhonへと鞍替え中。 内容を気にいっていただければ、twitterで紹介願います。 SegNetは、ケンブリッジ大学が開発した画素単位での識別機能を実現する、deep encoder-decoderである。SegNetに関しては、このページを参照 SegNetのビルド Caffeベースなので、caffeに必要な環境を準備し、このページからZipファイルをダウンロードし展開する。 展開したフォルダ
UbuntuStudioTips/Install/MBR - Ubuntu Japanese Wiki
対象とするUbuntu Studioのバージョン リリースされたすべてのバージョン ここでは、システム上に2つのオペレーティング・システムをインストールすることを、デュアルブートと呼んでいます。 データのバックアップ 一つのハードディスク上でのデュアルブートを考えている場合は、すでにインストールされているデータを上書きしてしまうという最悪の事も考え、元からあるOSのリカバリ・ディスク作成や大事なデータのバックアップをしておきます。 MBRのバックアップについて 例えば、Windowsが既に入っているノート・パソコンで、Ubuntu Studioも入れてデュアル・ブートしたいとします。普通、ノートパソコンはハードディスクが１つですから、パーティションを分割してWindowsとUbuntu Studioを入れる事になります。意外と簡単にインストールは出来てしまうのですが、ここで知っておいて頂き
TensorFlowによる推論 ― 画像を分類するCIFAR-10の基礎 - Build Insider
本コーナーは、インプレスR＆D［Next Publishing］発行の書籍『TensorFlowはじめました ― 実践！最新Googleマシンラーニング』の中から、特にBuild Insiderの読者に有用だと考えられる項目を編集部が選び、同社の許可を得て転載したものです。 『TensorFlowはじめました ― 実践！最新Googleマシンラーニング』（Kindle電子書籍もしくはオンデマンドペーパーバック）の詳細や購入はAmazon.co.jpのページをご覧ください。書籍全体の目次は連載INDEXページに掲載しています。プログラムのダウンロードは、「TensorFlowはじめました」のサポート用フォームから行えます。
Deep learning実装の基礎と実践
2. ⾃自⼰己紹介 l 得居 誠也 (Seiya Tokui) l Preferred Networks リサーチャー l Jubatus のアルゴリズム開発 – Jubatus: NTTとPFIで共同開発しているオープンソースの分散 リアルタイム機械学習基盤 http://jubat.us/ l 現在は映像解析とディープラーニングの研究開発に従事 2 3. ニューラルネットの基礎、実装、実験について話し ます l ニューラルネットの道具 – 全体の構成、⾏行行列列による表現、損失関数、誤差逆伝播、SGD l 主要な実装 – Pylearn2, Torch7, Caffe, Cuda-‐‑‒convnet2 l フレームワークの基本的な設計 – テンソルデータ、レイヤー、ネット、最適化ルーチン – アーキテクチャの記述⽅方法（宣⾔言的、スクリプティング） l 実験の進め⽅方
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
Loading...
http://image-net.org/challenges/LSVRC/2014/slides/GoogLeNet.pptx
https://arxiv.org/pdf/1409.4842v1.pdf