ここでは、NVIDIAの新しいGPUアーキテクチャである「Turing」について解説する。同アーキテクチャは、2018年8月に発表されたQuadro RTX 8000および、GeForce RTX 2080、2080 Ti、2070に採用されている。 Turingアーキテクチャ最大の特徴は、レイトレーシング用のRTコアを内蔵し、ハードウェアによるレイトレーシングが可能になること。NVIDIAの説明によれば、最大10億レイ／秒の速度でレイトレーシングが行えるという。 また、新アーキテクチャとしてNVIDIA GPUが内蔵するStreaming Multi-processor（以下、SM）も改良されている。Voltaアーキテクチャで搭載された行列演算を行うTensorコアも内蔵されており、さらに、整数演算と単精度浮動小数点（Single Precision floating point num
2018年4月25日をもちまして、 『CodeIQ』のプログラミング腕試しサービス、年収確約スカウトサービスは、 ITエンジニアのための年収確約スカウトサービス『moffers by CodeIQ』https://moffers.jp/ へ一本化いたしました。 これまで多くのITエンジニアの方に『CodeIQ』をご利用いただきまして、 改めて心より深く御礼申し上げます。 また、エンジニアのためのWebマガジン「CodeIQ MAGAZINE」は、 リクナビNEXTジャーナル( https://next.rikunabi.com/journal/ )に一部の記事の移行を予定しております。 今後は『moffers by CodeIQ』にて、 ITエンジニアの皆様のより良い転職をサポートするために、より一層努めてまいりますので、 引き続きご愛顧のほど何卒よろしくお願い申し上げます。 また、Cod
Windows95の設計にも携わった世界的エンジニアでメルマガ『週刊 Life is beautiful』の著者である中島聡さんが、メルマガ読者から届いた質問に回答するQ&Aコーナー。今回は「日本政府のスパコン戦略」について、中島さんは「195億円もの税金を使って、一体何がしたいのか全く分からない」と一刀両断。スパコン開発は「ITベンダーへの税金の垂れ流しでしかない」と、日本政府の戦略性の無さを痛烈に批判しています。 日本のスパコン戦略に疑問 Question 産総研、ＡＩ特化のスパコン開発に着手 深層学習で世界一狙うという記事を読みました。中島さんは、国のスパコン戦略には否定的でしたが、今回はどうでしょう。 中島聡さんの回答 私の国のスパコン戦略に対する意見は、２０１３年に「スパコン『京』に関する素朴な疑問」という記事を書きましたが、基本姿勢は変わっていません。 単なる従来型のスパコンか
Product Product Our AI applications and platform integrate into core business processes so teams can develop, deliver, and govern AI at scale. Enterprise AI Suite AI Apps AI Platform Enterprise AI Suite Generative AI Predictive AI AI Governance AI Observability AI Foundation Learn More Integrations Services Solutions Solutions Our AI solutions are designed to drive innovation and impact across eve
チャオ! オレだ。 深層学習を手軽に使いたいというニーズは日に日に高まっているはずなのに、ガクシャ先生どもと来たら、やれMatlabだ、やれPythonだのと軟弱言語の話しかしやしねえ。どこかに気骨溢れたナイスガイはおらんのか! と思ったら、居た。 それが今回紹介するdarknetだ。 darknetという名前から想像する異常にダークである。 バーン どうよこのダークネス感 いまどき黒いページというのは珍しい。 そして無駄に凝った魔法陣のようなロゴ。ダークだ。 しかしダークネット、厨二満開とせせら笑っていられるのもいまのうちだ。 このダークネット、実に必要十分な機能を最短で試せる超絶優れたツールなのである。 CaffeやTensorFlowほどの知名度はないが、実用性皆無なTensorFlowに比べてdarknetはものすごく実用的。Cが分かる人ならばこれほど使いやすいものもちょっと他にな
OpenCV（オープンシーヴィ）は多機能なコンピュータビジョンライブラリで、動画や画像の処理に幅広く利用できるさまざまな機能が実装されています。 動画・画像処理を用いたアプリやサービスを開発するために、OpenCVを学びたいと思っている方は少なくないのではないでしょうか。 そこで今回は、OpenCVが学べる資料（記事・サイト・スライド）を10個ご紹介します。 OpenCVを基礎から解説している資料を中心に紹介していますので、OpenCVの学習にぜひご活用ください。 OpenCVがわかる記事・サイト 10分で学ぶOpenCV超入門 / MetaArt http://iphone.moo.jp/app/?p=1101 「画像を読み込み表示する」「画像のサイズを変更する」「画像をグレースケール化する」「画像を2値化する」、以上の4つのOpenCVを使ったプログラムについて学べる記事です。 各コー
Deleted articles cannot be recovered. Draft of this article would be also deleted. Are you sure you want to delete this article? PFNのmattyaです。chainerを使ったイラスト自動生成をやってみました(上の画像もその一例です)。 20日目の@rezoolabさんの記事(Chainerを使ってコンピュータにイラストを描かせる)とネタが被っちゃったので、本記事ではさらに発展的なところを書いていきたいと思います。一緒に読んでいただくとよいかと。 概要 Chainerで画像を生成するニューラルネットであるDCGANを実装した→github safebooruから顔イラストを集めてきて学習させた 学習済みモデルをconvnetjsで読み込ませて、ブラウザ上で動くデ
2. ⾃自⼰己紹介 l 得居 誠也 (Seiya Tokui) @beam2d (Twitter, GitHub) l PFI (2012-‐‑‒2014) -‐‑‒> PFN (2014-‐‑‒) l 専⾨門：機械学習 – ⾃自然⾔言語処理理（品詞タグ付け）、近傍探索索のためのハッシング（修⼠士） – ⼊入社後しばらくは分散機械学習基盤 Jubatus のアルゴリズム開発 – Deep Learning（2012年年秋ごろ〜～）、画像・映像認識識 l 4 ⽉月に Chainer（深層学習のフレームワーク）を作り始めて今はこれがメイン 2 3. 深層学習 (Deep Learning) は認識識タスクで成功した 3 ⾳音声：2011 年年に GMM より単語誤識識別率率率で 10% 前後も改善 画像：2012 年年に
2. ⾃自⼰己紹介 l 得居 誠也 (Seiya Tokui) @beam2d (Twitter, GitHub) l PFI (2012-‐‑‒2014) -‐‑‒> PFN (2014-‐‑‒) l 専⾨門：機械学習 – ⾃自然⾔言語処理理、近傍探索索のためのハッシング（修⼠士） – Deep Learning（2012年年秋ごろ〜～）、画像・映像認識識 l 4 ⽉月に Chainer を作り始めて今はこれがメイン 2 3. 今⽇日のおはなし l Deep Learning の実装を紹介します – Deep Learning でどんなことができるかみたいな話はしません（ウェブ上 のスライドや記事、書籍などを参照していただければと思います） – まずニューラルネットの（実装に向けた）定式化についてお話したあと、 Chai
先日Deep Learningでラブライブ！キャラを識別するという記事が話題になっていました。この記事で紹介されている SIG2D 2014を知り合いから貸してもらったので参考にしながら、ご注文は機械学習ですか？のDeep Learning版を作ってみました。 Caffeなど必要なソフトのインストール Ubuntu 14.04の場合は過去記事を参照してください。これ以外にもpython-opencvなどを使いますが、依存関係の全ては把握できていないのでエラーが出たら適宜インストールしてください。 データの準備 Deep Learningでは大量の学習データが必要になると言われているので、まずは大量のデータを用意します。参考記事では6000枚のラブライブ画像を使ったということなので対抗して12000枚以上のごちうさ画像を用意したいと思います。それだけのデータを手動で分類するとそれだけで時間が
このところDeep Learningが相当流行っているようで、ほとんど至るところで話題になっているのを見ます。 Deep Learningは深層学習とも呼ばれ、ニューラルネットワークの層をこれまでより深くして機械学習を行う技法です（だそうです）。 画像認識コンテストで他の方法と比べて非常に高い精度を示しており、以前は人の手で行っていた特徴の抽出まで行えます。 以前であれば車を認識するには車はどのような特徴を持っているかを人がモデル化して入力していたわけですが、この特徴を入力画像と与えられたラベルからニューラルネットワークが捉えてくれます。詳しいことはDeep Learningで検索して出てくる記事やスライドを参照のこと。 Deep Learning自体は容易に実装可能なものではなさそうですが、多くの研究グループがDeep Learningを行うためのソフトウェアをオープンソースにしているた
1
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
