NVIDIA，「GeForce GT 730」を製品リストに追加。FermiおよびKepler版GT 630のリネーム品か
NVIDIA，「GeForce GT 730」を製品リストに追加。FermiおよびKepler版GT 630のリネーム品か 編集部：小西利明 2014年6月18日22：00，NVIDIAは，新型GPU「GeForce GT 730」（以下，GT 730）を製品リストに追加した。 搭載製品も同時に発表されており，アスクからZOTAC International製の搭載カード4製品が6月下旬に，CFD販売からはGIGA-BYTE TECHNOLOGY製の搭載カード1製品が6月中旬にそれぞれ発売となる予定だ。 ZOTAC GeForce GT 730 2GB DDR3 128 bit GV-N730-2GI 各製品のラインナップと販売代理店想定売価は以下のとおり。 ZOTAC GeForce GT 730 2GB DDR3 128 bit：8000円台半ば ZOTAC GeForce GT 73
新コア「GK208」採用のGeForce GT630・GT640を検証 | ドスパラ - 製品レビュー
新コア採用GeForce GT630・GT640 メーカー名＆URL Palit：http://www.palit.biz/palit/index.php?lang=jp Palit製品の販売ページはこちら！ 各店舗でも販売中！ 今週は比較的涼しく、エアコンをつけっぱなしで寝たら 朝に寒かったので切るようにした（酒）です。 皆さんも夏風邪をひかない様にご注意ください。 今回は、新コア採用で生まれ変わったというGeForce GT630/640 をチェックしてみます。 ●新GPUコア「GK208」搭載で ワットパフォーマンスが向上 今回紹介するGT630/640（以下新GT630・新GT640）は、 GPUコアにKepler世代のGK208を搭載する製品です。 ※従来のGT630（以下旧GT630）はGT400（Fermi）世代のGF108、 そしてGT640（以下旧GT640）は同じKep
Mackerelの監視ルールをコード管理する | feedforce Engineers' blog
Let's DARK SOULS Ⅲ !! 最近PS4を買いました。インフラ担当の杉内です。 feedforceではMackerelでサーバ監視を行っていますが、使っていくにつれて監視ルールの変更をコードベースで管理したくなったので mkr を使ってコード化しました。 チーム内でデモを通して共有し、良さげな感じでしたので運用イメージも含めて共有します。 mkrを使って監視ルールを管理する mkr というコマンドラインツールからMackerelの監視ルールを更新したりできる(他にも機能はある) 監視ルールはmonitorsというサブコマンドで操作する。さらにサブコマンド diff,pull,push がある 監視ルールはjson形式で記述できる ドキュメント → https://mackerel.io/ja/docs/entry/advanced/cli 準備 mkrのインストール $ br
MySQLおじさんの逆襲
17. MySQLの⽴ち位置 app, browser app, browser app, browser app, browser app, browser app, browser WEB, AP WEB, AP WEB, AP WEB, AP WEB, AP WEB, AP Database 16/136 18. ここな app, browser app, browser app, browser app, browser app, browser app, browser WEB, AP WEB, AP WEB, AP WEB, AP WEB, AP WEB, AP Database 17/136 19. WEBサーバーとの対⽐ app, browser app, browser app, browser app, browser app, browser app, browser
続・意外と楽しい「平均」の世界あるいは最初から二乗平均平方根を入れておけばよかった！（指摘されなきゃ気づかなかったくせに＞自分 - 🍉しいたげられたしいたけ
前回のエントリー には、予想を上回るアクセス、はてなスター、コメント、ブックマークコメントをいただいて、感謝しています。 お一人だけ取り上げるのは申し訳ないんですが、b:id:sea_side さんのブコメに乗っからせてもらいます。つかまんまです。ご指摘ありがとうございました。 意外と楽しい「平均」の世界あるいは相加、相乗、調和平均の例題として40と60という数値がピンポイントで絶妙である件 - しいたげられたしいたけ [!エントリー] [数学] こんなところにまで現れるというのか、妖怪1足りない！つか二乗平均だとだいたい51やね。 2016/05/18 07:41 b.hatena.ne.jp スポンサーリンク ウィキペ「二乗平均平方根 - Wikipedia」を参考に、2項a、bの場合の式を示すと、これでいいのかな？ 例によって数式はWordで作成したキャプチャです。 a = 40、b
僕が京大に受かるまでに実際に使った数学の参考書・問題集と勉強法 - 京大式ミニマル勉強法
(※この記事は2018年3月22日に更新されました) 「京大に受かる人ってどれぐらい勉強しているのか知りたい」 「数学の参考書や問題集が実際に使われた感想を知りたい」 この記事はそんなあなたに向けて書いています。 どうも北さんです。 今回はぼくが京大に受かるまでに使った数学の参考書・問題集と勉強法を書いてみました。 特に数学はぼく自身が苦手な教科でしたが、なんとか京大に通用するレベルまで持っていくことができたので、現在苦手な人や伸び悩んでいる人が何か一つでも伸びるヒントを得てもらえるのではないかと思います。 高校1年生から高校3年生の現役時代 高校1年生 高校2年生 高校3年生の夏休みまで 高校3年生の夏休み 高校3年生の9月からセンター試験まで 高3のセンター明けから二次試験まで 現役時代のまとめ 浪人生時代 浪人開始から夏休み前まで 浪人生の夏休み 浪人生の夏休み明けからセンター試験ま
多重共線性によって重回帰分析の推定は不安定になる（のはなぜか？） - jnobuyukiのブログ
今回は、回帰分析を実用する上で気をつけたい問題の１つである多重共線性について考えます。 多重共線性って？ 回帰分析では、一つの従属変数（予測される変数）に対して一つ以上の独立変数（予測する変数）を構成して予測モデルとします*1。このとき、予測する変数を「独立変数」と呼ぶように、予測する変数の間には関連性がない（つまり独立）ことが想定されています。複数の変数で予測するなら似たような者同士ではなく、異なるもので予測したほうが意味があると思えるので、この想定は納得のいくものです。 しかし、社会科学領域でしばしば起こるのですが、何かの調査項目同士にはある程度相関関係が見られます。 ここで相関が少しでも高いと直ちに回帰モデルが作れないわけではなく、ある程度は独立変数間に相関があっても分析可能です。しかし、独立変数間に極端に高い相関があると、予測そのものが不安定になることがあります。例えば、独立変数に
【数学に】やり直し数学のために購入した本２冊の紹介－事典と数学ガールシリーズ【萌えを！】 - つれづれTiru's Life
2016 - 06 - 06 【数学に】やり直し数学のために購入した本２冊の紹介－事典と数学ガールシリーズ【萌えを！】 読書 読書-読書の切れ端 学問 あとで読む おすすめ記事 ブロガー、読書好きにはおすすめのKindle Paperwhite(2015)購入マニュアル！－2015年ベストバイ！ Feedly→Pocket→Evernoteを活用して効率的に情報をストックするおすすめの方法 GWどころか人生を持て余している人に捧ぐ超絶面白いサイト...！－『哲学的ななにか、あと科学とか』 スポンサードリンク 数学の勉強を再開するお供に選んだ本がこの二冊。 『数学の公式・定理・決まりごとがまとめて分かる事典』と『数学ガール』。 「お前はもうすでに買っている…」 ども！ただ本屋の中にあるカフェに勉強しに行ったらいつの間にか本を買っていた としちる （ @ture_tiru ）です。 既に本代に
PS1プロンプトに日付を付ける - 別館 子子子子子子（ねこのここねこ）はてブロ部
.bashrcに export PS1='\[\e[0;31m\]\u@\h \e[36m\]\D{%Y/%m/%d} \t \[\e[33m\]\n\w/\[\e[0m\]:\n!\! \$ ' とすると riocampos@retina 2013/11/22 09:31:59 ~/: !4807 $ というようになります。日付表示設定は \D{%Y/%m/%d} です。 日付に関していちばん簡単な表示設定は \d なのですが、日本語環境だと riocampos@retina 金 11 22 09:31:59 ~/: !4809 $ となり、非常に見辛いです。なのですこし工夫してみました。 若干の解説 なお \u：ユーザ名 \h：ホスト名 \D{%Y/%m/%d}：日付（{}内はstrftimeフォーマット） \t：時刻（24時間表記） \w：フルパスディレクトリ \n：改行（フツーに考
アクセス情報【使用中のIPアドレス確認】
以下であなたの発信している情報を調べることができます。 HTTPリクエスト(ENV:環境変数)より情報を取得し表示しています（代表的な抜粋） HTTPリクエスト(ENV:環境変数)は、インターネットでホームページを見るときに通信やページ表示制御に利用するため自動で送信されている情報で、不正に取得した情報ではありません。インターネットの仕組みで送受信される項目となります。 詳細は「ホームページにアクセスすると情報が取られる(何が分かる)？」を参照
Installing CUDA Toolkit 7.5 on Ubuntu 14.04 Linux | R Tutorial
The following explains how to install CUDA Toolkit 7.5 on 64-bit Ubuntu 14.04 Linux. I have tested it on a self-assembled desktop with NVIDIA GeForce GTX 550 Ti graphics card. The instruction assumes you have the necessary CUDA compatible hardware support. Depending on your system configuration, your mileage may vary. CUDA Repository Retrieve the CUDA repository package for Ubuntu 14.04 from the C
CUDA（スレッド、スレッドブロック、グリッド）
GPUがもつ多数の演算コアを活用してその能力を引き出すためには避けて通ることができない、カーネル実行環境について説明します。 スレッドとスレッドブロック カーネルとして記述した__global__付き関数をホスト側から呼び出すと、 この関数はGPU上で複数のスレッドとなって並列動作します。 ここで並列動作させたいスレッドの数は、ホスト側からカーネル関数を呼び出す際に指定することになります。 例えば512個のkernel_funcスレッドを生成して並列実行させたい場合、次のようにホスト側のコードを記述します。 kernel_func<<<1, 512>>>(カーネル引数1,カーネル引数2, ...); ホスト側からカーネル関数を呼び出す際に付加する<<<>>>内の2つ目のパラメータで動作させたいスレッド数512を指定しています。 では、この<<<>>>の1つ目のパラメータは何でしょう。 <<
CUDA入門・サンプル集
はじめてのCUDAプログラミング タイトル通り、初めてCUDAを扱う方にはオススメします。 コアレシングするテクニックや、コンパイラオプションの説明も掲載しています。 GPU Gems 3 GPGPUや画像処理のテクニック集。 CUDAのサンプルプログラムも載っています。 画像処理に詳しい方にはオススメします。 並行コンピューティング技法 並列処理のプログラミング技法を紹介しています。 これを読むまでは不可能と思っていたような処理も、 並列処理可能なプログラムに上手く書き換えています。 本気でCUDAをやるなら、絶対読むべき本です。 CUDA高速GPUプログラミング入門 読んだことありませんが、リンクだけ貼っておきます。 （入手できたらレビュー書きます）
Go 言語と React で考える「いい感じなURL設計」入門
Description 白ヤギコーポレーションさま主催の「最先端情報吸収研究所（AIAL）」のプレゼンテーションで使用したドキュメントです。 「URL」を軸にして、サーバーサイドを Go 言語、クライアントサイドを React (+ TypeScript) で実装する場合の要点を紹介しました。 - いい感じな URL と わるい感じな URL - RESTful API のおさらい - Echo と REST API と URL - React と SPA と URL - いい感じの URL設計を目指す旅 1. 2. 3. 4. 5. 6. 7. 8. 9. 10. 11. 12. 13. 14. 15. 16. interface FooterProps { company:string } export class FooterComponent extends React.Compo
グラフィックボードの性能比較表 - 一昔前のデジタル世代
■デスクトップ向けのグラフィックボードの性能比較表2018～2021年版 ・ここではお勧めできるGeforce系統とRadeon系統のグラフィックボードの比較をします。 あとオンボードグラフィックの性能も比較します。 TDP(Thermal Desigft Power)は熱設計消費電力であり大体の消費電力で、 PM（Passmark）とFLOPS（Floating-point Operations Per Second）は性能の指標となっています。 値段は2014年6月現在の相場となっておりますが、 一部は2015年上半期～2020年または2021年の相場となっています。 （最近のグラフィックボードのみを比較します。） ■関連情報 ・グラフィックボードの性能比較表2011年版 ・グラフィックボードの性能比較表2012年版 ・グラフィックボードの性能比較表2023年版 ・ノートPC用GPUの
Theano による Amazon Web Service (AWS) 上での GPU 計算
Theano による Amazon Web Service (AWS) 上での GPU 計算¶ 本文書ではAWSのGPU計算サーバ(GPUインスタンス)上でTheanoを使用する方法を説明します. Theano入門 で紹介したプログラムをCPUとGPUで実行し, その計算速度を比較します. はじめに¶ 本文書では, GPU上での数値計算をGPU計算と呼ぶこととします. GPU計算の科学技術計算への応用は一般的になりつつあります. しかし, 個人で利用するためにはまだ敷居が高いように思われます. その理由の一つがハードウェアの問題です. 個人で使用するマシンは通常GPUを一つしか持たないため, GPUを計算のために占有させると, 画面表示に問題が起こる場合があります. そこで, 本文書ではクラウドサービスの一つであるAmazon Web Service (AWS)を利用してGPU計算を行う具
Ubuntu 14.04にCUDA 7.0とcuDNNを導入する
UbuntuにCUDAとcuDNNをCaffeで使うためにインストール Deep Learningのフレームワーク「Caffe」をUbuntuで使用する上で、CUDAとcuDNNと呼ばれるライブラリを導入すると学習等の処理が速くなるというので、導入したときのメモです。Caffe以外の用途でこれらのライブラリを使用する場合でも同様の操作なのでよかったら御覧ください。 最近リリースされた「TensorFlow」もCuda 7.0とCUDNN 6.5 V2が対応バージョン（最新バーションじゃ上手く動かなかった）なのでこの記事を見ればGPUの環境を整えることができますよ。TensorFlowはまだ勉強中です。 環境の確認 この記事は以下の環境で検証しています。 Ubuntu 14.04 グラフィックボード GeForce GTX 750 Ti NVIDIAのグラフィックカードのドライバは事前に以下
Ubuntu 14.04にcuDNNをインストール
MacBookPro + Ubuntu 14.04 + CUDA7.5 + cuDNNの状態にします．CUDA7.5のインストール方法は別の記事に記載があります． cuDNNのダウンロード 難しいのはNVidiaのサイトにてDeveloper登録をするところだけです．Developer登録をしたら，ちょろっとアンケートに答えてダウンロードします． 今回cuDNNをインストールするのは後々Chainerを使いたいからなんですね．で，Chainer1.5.1を使いたくてそちらのドキュメントを見ると，cuDNN v2, 3がサポートされているとあります． なので，2016.1.14時点で最新のcuDNN v4ではなく，cuDNN v3をダウンロードします．MacBookProにインストールしたUbuntu 14.04にcuDNNを入れるので，cuDNN v3 Library for Linuxを
Ubuntu 14.04 にChainer1.7.0環境構築 - pandazx's blog
構築する環境 CUDA7.5, cuDNN v4, Chainer 1.7.0 のインストール 作業ログ サーバにTITAN Xを取り付ける Ubuntu 14.04 をインストール ハマったこと ubuntu snd_hda_intel failed to add i915 component master - pandazx's blog Ubuntu起動時にAdding ?k swap on /dev/xxx Priority:-1 extents:1 across:?k で止まる - pandazx's blog NVIDIAグラフィックドライバ、CUDA7.5のインストール 参考：Caffe（本家サイト版）をインストールして試してみる - 論理 Hearts Club Band cuDNN v4 をインストール 上記参考サイトよりは、こちらの方がよい 参考：Ubuntu 14.0
Ubuntu 14.04 に Chainer, TensorFlow, DMTK をインストールする (GPU 有効) - Qiita
はじめに ※この記事は word2vec の各種実装の速度比較 の環境構築部分を抜き出したものですが、単体でも読める内容となっています。 機械学習のフレームワークである Chainer, TensorFlow, DMTK (Microsoft Distributed Machine Learning Toolkit) を Ubuntu にインストールします (Mac にインストールする手順 はこちら)。動作環境は NVIDIA 製の GPU が載った Ubuntu マシンで、特に AWS の GPU インスタンスで動かすことを念頭に置いています。 なお、記事中で説明した手順を実行するスクリプトを含むリポジトリはここにあります: https://bitbucket.org/knzm/wordembedding-experiments (CUDA のインストール周りは gist を参照) パッ
Docker を利用した Web アプリケーションのデプロイ - クックパッド開発者ブログ
技術部の鈴木 (id:eagletmt) です。 クックパッドでは一部の Web アプリケーションサーバで Docker が使われており、今回はそのデプロイ方法について紹介します。 Docker で Web アプリケーションをデプロイするときには、まだまだベストプラクティスがある状況ではありません。 たとえば、どのように無停止でデプロイするか、どのようにコンテナと通信するかといった問題があります。 最初に Apache Mesos と Marathon などのツールを検証しましたが、クックパッドの環境において使いやすそうなものはなく、最終的に自前でデプロイのしくみを作ることにしました。 しかし Docker 周辺のツールは様々な新しいものが出てきている最中です。 今はまだベストなものが無いけれども、近いうちによりよいものが出てくるかもしれません。 そのため、できるだけ単純なしくみにしておく
オンプレの環境にdockerを使ってwebサーバを構築した話 - Qiita
FROM hnakamur/centos:6.5 MAINTAINER yanap ENV ROOT_USER_PASSWORD root-password ENV USER_NAME yanap ENV USER_PASSWORD yanap-passwrod ENV LDAP_SEREVER 192.168.0.1 ENV LDAP_BASE_DN dc=yanap,dc=com # yumで必要なパッケージをインストール RUN yum update -y RUN yum install wget -y RUN wget http://dl.fedoraproject.org/pub/epel/6/x86_64/epel-release-6-8.noarch.rpm ;\ rpm -ivh epel-release-6-8.noarch.rpm RUN yum --enablerep
Dockerコンテナ内でsshdを実行してはいけない理由 | POSTD
Dockerを使い始めた人がよくする質問といえば、「どうすればコンテナに入れますか？」です。その質問に対して、「コンテナ内でSSHサーバを起動すればいいよ」と答える人たちがいますが、これは非常にマズいやり方です。なぜその方法が間違いなのか、そして代わりにどうすればよいのかをこれから紹介します。 注：本記事へのコメントやシェアは、 Dockerブログ にアップされた標準版から行ってください。よろしくお願いします。 コンテナでSSHサーバを起動すべきではない …もちろん、コンテナ自体がSSHサーバである場合は除きます。 SSHサーバを起動したくなる気持ちは分かります。それはコンテナの”中に入る”簡単な方法だからです。この業界の人ならほぼ全員がSSHを一度は使ったことがあります。多くの人がSSHを日常的に使用し、公開鍵や秘密鍵、パスワード入力の省略、認証エージェント、そして時にはポート転送やその
自分用の Docker Registry を作る - Qiita
private registry が欲しくなってきたぞ これまでは自分用のちょいとした Docker コンテナサーバーを作る際、サーバーに Dockerfile をコピーしてその場でイメージを作る流れで立てていました。実際自分用だとこれで済んでしまう気がします。 Docker Hub へのアップロードは通常イコールでパブリック公開になるのですが、自分向けコンテナの多くは文字通り自分向けなので汎用性の無い自作コードで動いていたり秘密鍵を内部に抱えていたりで公開しにくいなあといつも考えていた次第。 そんな感じなので自作した Docker イメージを積極的に push する場面がなかったのですね。 CoreOS とか Docker サービスとかが広がってくるとコンテナのオーケストレーションというのがテーマになってきます。 実際に fleet や Kubernetes をいじってみるとデプロイの単
Jupyterがすごい勢いでやってくるからお前ら備えとけ（IPython Notebook + R） - Qiita
今までIPython Notebook上でRを動かそうとするとrpy2やらをごにょごにょやるとかいう方法がありましたが、いちいち%%を打ったりといろいろ不便でした。 が、先月末（2015/02/27）のIPython 3.0のリリースでIPython Notebookが大きく変わり、（まだ開発版ですが）Rとの連携もかなり楽になりました！というか今後はRだけでなく、Juliaや他の言語もカバーする方向に進むそうで、特定の言語に依存しない部分をJupyterという別プロジェクトでやっていくそうです。 代表的な言語のJupyterカーネルとしては以下のようなものが存在する模様。 Python (https://github.com/ipython/ipython) Julia (https://github.com/JuliaLang/IJulia.jl) R (https://github.c
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
http://post.simplie.jp/posts/41
NIKKEI STYLEは次のステージに
Neural Network Architectures
Nvccを使ってみよう - CUDA Information Site
すでにApacheが動作している環境にDockerコンテナのApacheを追加してみる。 - Qiita
http://download.pixela.co.jp/products/tv_capture/sb_tv04_wrip/data/sb_tv04_wrip_quickguide.pdf