計算機アーキテクチャを考慮した高能率画像処理プログラミング
3. ムーアの法則に従って集積回路のトランジス タ数は年々倍増 背景（1/4） 3 40th Anniversary of the Microprocessor https://newsroom.intel.com/press-kits/40th-anniversary-of-the-microprocessor/ 2011年：Core i7 3960X vs Intel 4004 35万倍 1971年：Intel 4004 トランジスタ2300個 5. 現在のコンシューマ向け最上位 Intel Core i9 7980XEは2.6 GHz，18コア，512ビットベ クトル演算器，FMAユニット２つ搭載 –単純：2.6 GFLOPS –理想：3.0 TFLOPS （倍精度：1.5TFLOPS） • 2.6*18*16*2*2 • ターボブーストや増加したL2キャッシュ，SMTを活 用す
AWS DeepLens – Get Hands-On Experience with Deep Learning With Our New Video Camera | Amazon Web Services
AWS News Blog AWS DeepLens – Get Hands-On Experience with Deep Learning With Our New Video Camera As I have mentioned a time or two in the past, I am a strong believer in life-long learning. Technological change is coming along faster than ever and you need to do the same in order to keep your skills current. For most of my career, artificial intelligence has been an academic topic, with practical
RとStanでニューラルネットワークモデル
はじめに Rで確率的プログラミング言語STANが利用できる{rstan}パッケージ。 私は普段、ベイズ統計モデリングを行うために使っています。 今回は、rstanを使って多層ニューラルネット(フルコネクションの中間層2層)に挑戦する機会があったので、 備忘録としてまとめておこうと思います。 kerasやmxnetでやるよりも圧倒的に時間がかかります。圧倒的です。 一方で、係数やニューロンの値を事後分布として求めることが出来ます。テストデータのラベルも事後予測分布で求めます。 モチベーションは、この先に考えている「ネットワークのベイズ統計モデリング」にあります。 認知モデリングと組み合わせれば、神経活動のベイズ統計モデリングなんかができちゃうかもしれませんね。 現実的な時間内で求まる程度の小規模データならば、ですが。 参照元は Stanでニューラルネットの実装に関する議論です。コードがそのま
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
