sonoisa/sentence-bert-base-ja-mean-tokens-v2 · Hugging Face
This is a Japanese sentence-BERT model. 日本語用Sentence-BERTモデル（バージョン2）です。 バージョン1よりも良いロス関数であるMultipleNegativesRankingLossを用いて学習した改良版です。 手元の非公開データセットでは、バージョン1よりも1.5〜2ポイントほど精度が高い結果が得られました。 事前学習済みモデルとしてcl-tohoku/bert-base-japanese-whole-word-maskingを利用しました。 従って、推論の実行にはfugashiとipadicが必要です（pip install fugashi ipadic）。 旧バージョンの解説 https://qiita.com/sonoisa/items/1df94d0a98cd4f209051 モデル名を"sonoisa/sentence-be
第697回 AMD Ryzen 7 5800Xで学ぶ、Ubuntuにおけるシステムの動作確認 | gihyo.jp
どれも定番みたいな構成ですね。GPUだけ「GeForce GTX 1050Ti」と、2016年ごろのだいぶ古い型番です。そもそも全体的に予算オーバー気味で「GPUは型落ちのものを」という想定でした。しかしながらいざ調べてみると、型落ち品自体がほぼ市場に存在せず、新しい型番のものも軒並みすごい高くなっていたために、苦肉の策で見つけた製品です[1]。 なお家族のPCの使い方を考えると、GPUはそこまで強いものである必要はなく、要件としては「リトルウィッチノベタがプレイできればいい」という話でした。よって1050Tiでも問題はないものと考えています。 というわけでこのマシンにWindowsをインストールする前に実施した、各種動作確認のための方法を紹介していきましょう。ちなみにストレージのテストやベンチマーク以外の「情報収集」に関しては、Live環境でも動くはずです。よってWindowsインスト
TensorRTの演算精度・バージョンのメモ - OPTiM TECH BLOG
TensorRT 歴３年となった R&D チームの奥村（@izariuo440）です。今回は、2021/04/12 に発表された Ampere 世代の各種 GPU に対して TensorRT でその性能を十分に引き出すために必要な知識をまとめておきます。FP16/INT8 をうまく使うと、推論速度が２〜４倍になったりするのでおすすめです。 演算精度 演算精度 FP16/INT8 をサポートしている GPU FP16 の威力 INT8 の威力 TensorRT のバージョン 互換性 さいごに 演算精度 NVIDIA TensorRT は、NVIDIA GPU 上で深層学習モデルを高速に推論するためのプラットフォームです。TensorRT を使うモチベーションについては以下をご覧ください。 TensorRT で物体検出・姿勢推定はどれくらい速くなる？ - OPTiM TECH BLOG Ten
NVIDIA's 16-Pin Connector on GeForce RTX 4090 Graphics Card Burns Up, Melts The Cable & The Plug
NVIDIA’s 16-Pin Connector on GeForce RTX 4090 Graphics Card Burns Up, Melts The Cable & The Plug The first case of an NVIDIA 16-pin connector, powering the GeForce RTX 4090, burning up and melting the plug has been reported over at Reddit. NVIDIA 16-Pin Connector Burns Up! Melts The Power Connector On GeForce RTX 4090 Graphics Card Update #3: As more and more cases of burned 16-pin connectors pop
GPU/CUDAとPyTorch周りの様々なバージョンを理解する - yag's blog
前置き GPUを利用したディープラーニングの環境構築において、GPUのドライバやCUDAの諸々の設定は初学者が誰しも嵌る最初の難関と言える。私自身これまではネットの情報をあれこれ試して上手く行けばOKで済ませていたが、この辺で今一度正しく理解しておきたい。そこでこの記事を通して、GPU/CUDAとPyTorchの環境構築で遭遇する様々なバージョンの識別とその意味を理解することを目的とする。なお、細かなインストール方法やエラー対応などは本記事では扱わない。また、グラフィックボード/グラフィックカードと呼ぶべきところをGPUと表現している点もご容赦いただきたい。 [注意] この記事はGPU/CUDA素人が書いているので、細かな用語や名称の間違いが多分に含まれていると思われる。間違っていたらごめんなさい。また、事例として紹介しているバージョン番号は当然ながら時が経つにつれ古くなるので注意。 GP
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
The Importance of Morphological Analysis in Japanese Search Engines