RIITフォーラム2016-inoue提出用

Size: px
Start display at page:

Download "RIITフォーラム2016-inoue提出用"

Transcription

1

2

3 p ü ü p ü ü

4

5

6 } Powe r NW Mem. CPU GPU Base 最大負荷アプリA ペタスケール 最大負荷アプリ A アプリ B ポストペタスケール ( 従来型 ) 最大負荷アプリ A アプリ B ポストペタスケール ( 電力制約適応型 ) } } }

7 p p p p Blue=EP type Red=With Comm. & Sync. Total nodes Procs. Per Node Cores Per Procs. Power Msrmt. Cab(LLNL) Intel E Sandy Bridge 1, RAPL BG/Q Vulcan (LLNL) IBM PowerPC A2 24, (compute) EMON Teller (SNL) AMD A K Piledriver PI HA8K(Kyushu Univ.) Intel E5-2697v2 Ivy Bridge RAPL

8 CPU CPU memory modul e memory modul e memory modul e memory modul e cor e cor e cache MC cor e cor e cor e cor e cache MC cor e cor e memory modul e memory modul e memory modul e memory modul e

9 出典 : 140"" 120"" Module"(CPU+DRAM)"power" 30% 120# 110# CPU$power$cap CPU#power#cap No#power#constraint Power""[W] 100"" 80"" 60"" CPU$power$ CPU#Power#[W] 100# 90# 80# 40"" 20"" DRAM%power% 70# 60# 0"" 0" 300" 600" 900" 1200" 1500" 1800" Module"IDs 50# 1.0## 1.5## 2.0## 2.5## CPU#clock#frequency#[GHz]

10 Module#(CPU+DRAM)#Power#[W] 140# 130# 120# 110# 100# 90# 80# 70# No#power#constraint Cm=Target#Average#Power# Cm=110W Constraint#for#Module Cm=100W Cm=90W Cm=80W Cm=70W 60# 64% 50# 40# 0.8## ## 1.6## 2.0## 2.4## 2.8## 3.2## Normalized#ExecuIon#Time 出典 :

11 p ü p ü

12 W/O power-constraint Power W/ power-constraint (Conventional) W/ power-constraint (Proposed) Power variation Mitigate Variability Same total power budget Performance (=CPU Frequency)

13 f = α( f f ) + f P = α(p P ) + P P = α(p P ) + P (0 α 1) "Module"and"CPU"Power"[W] 120"" 14"" 100"" 16"" *DGEMM Module" MHD 110"" 13"" 90"" Module" 15"" 100"" R²"="0.999" R²"="0.999" CPU" 12"" 80"" 14"" 90"" R²"="0.999" 11"" 70"" 13"" 80"" 10"" 60"" DRAM" 12"" 70"" 9"" 50"" DRAM" R²"="0.991" 11"" 60"" R²"="0.996" 8"" 40"" CPU" 10"" 50"" 7"" 30"" R²"="0.999" 9"" 40"" 6"" 20"" 8"" 1.2"" 1.4"" 1.6"" 1.8"" 2.0"" 2.2"" 2.4"" 2.6"" 1.2"" 1.4"" 1.6"" 1.8"" 2.0"" 2.2"" 2.4"" 2.6"" CPU"clock"frequency CPU"clock"frequency 出典 : "DRAM"Power"[W] f "Module"and"CPU"Power"[W] f "DRAM"Power"[W] f = P, P = f, f = f P P P, P = P, P = P P P P α

14 Power Variation Table (PVT) Module ID Normalized Power k 1.2 Module ID Power Consumption k 120 Module 1 Pwr Pwr Perf. Module 2 Perf. Module 3 N 0.8 N 80 Pwr Perf. Module ID k Power Consumption k 120 Module N Pwr Perf.

15 Power Capping (Pc) using RAPL Frequency Selection (Fs) using CPUFreqlibs Power Capping (Pc) Frequency Selection (Fs) Power Constraint Guaranteed Not guaranteed Performance Equivalence Not guaranteed Guaranteed

16 手法名 アプリ依存? モジュール依存? 電力モデル補正 制約手法 Naive No No No Power Cap Pc Yes No Yes Power Cap VaPc Yes Yes Yes Power Cap VaFs Yes Yes Yes Freq. Sel. VaPcOr Yes Yes No Power Cap VaFsOr Yes Yes No Freq. Sel. Va=Variation-Aware, Pc=Power Capping, Fs=Frequency Selection Or=Observed power data are used

17 naïveha8k 2.0## 1.5## 1.0## 0.5## 0.0## 6.0## 5.0## 4.0## 3.0## 2.0## 1.0## 0.0## 2.0## 5.4x 1.5## 1.0## 0.5## 0.0## 5.0## 4.0## 3.0## 2.0## 1.0## 0.0## 3.0## 2.5## 2.0## 1.5## 1.0## 0.5## 0.0## 3.5## 3.0## 2.5## 2.0## 1.5## 1.0## 0.5## 0.0## 出典 :

18 Module#(CPU+DRAM)#Power#[W] 140# 130# 120# 110# 100# 90# 80# 70# 60# 50# before after Cs=ApplicaIon#level#power#constraint No#power#constraint Cs=211.2KW Cs=192.0kW Cs=172.8kW Cs=153.6kW 64% Cs=134.4kW 40# 0.8## ## 1.6## 2.0## 2.4## 2.8## 3.2## Normalized#ExecuIon#Time Module#(CPU+DRAM)#power#[W] 140# 130# 120# 110# 100# 90# 80# 70# 60# 50# No#power#constraint Cs=211.2KW Cs=192.0kW# Cs=172.8kW Cs=ApplicaIon#level#power#constraint Cs=153.6kW Cs=134.4kW 12% 40# 0.8## ## 1.6## 2.0## 2.4## 2.8## 3.2## Normalized#ExecuIon#Time 出典 :

19

20

GPU n Graphics Processing Unit CG CAD

GPU n Graphics Processing Unit CG CAD GPU 2016/06/27 第 20 回 GPU コンピューティング講習会 ( 東京工業大学 ) 1 GPU n Graphics Processing Unit CG CAD www.nvidia.co.jp www.autodesk.co.jp www.pixar.com GPU n GPU ü n NVIDIA CUDA ü NVIDIA GPU ü OS Linux, Windows, Mac

More information

PowerPoint プレゼンテーション

PowerPoint プレゼンテーション 0 1 2 3 4 5 6 1964 1978 7 0.0015+0.013 8 1 π 2 2 2 1 2 2 ( r 1 + r3 ) + π ( r2 + r3 ) 2 = +1,2100 9 10 11 1.9m 3 0.64m 3 12 13 14 15 16 17 () 0.095% 0.019% 1.29% (0.348%) 0.024% 0.0048% 0.32% (0.0864%)

More information

- 1 - - 0.5%5 10 10 5 10 1 5 1

- 1 - - 0.5%5 10 10 5 10 1 5 1 - - - 1 - - 0.5%5 10 10 5 10 1 5 1 - 2 - - - - A B A A A B A B B A - 3 - - 100 100 100 - A) ( ) B) A) A B A B 110 A B 13 - 4 - A) 36 - - - 5 - - 1 - 6-1 - 7 - - 8 - Q.15 0% 10% 20% 30% 40% 50% 60% 70%

More information

無印良品のスキンケア

無印良品のスキンケア 2 3 4 5 P.22 P.10 P.18 P.14 P.24 Na 6 7 P.10 P.22 P.14 P.18 P.24 8 9 1701172 1,400 1701189 1,000 1081267 1,600 1701257 2,600 1125923 450 1081250 1,800 1125916 650 1081144 1,800 1081229 1,500 Na 1701240

More information

2014-11.key

2014-11.key 2014-11 1 2 3 4 5 7 8 9 10 11 12 PC 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 45 46 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68

More information

「東京こどもネット・ケータイヘルプデスク(こたエール)」平成22年度相談実績の概要

「東京こどもネット・ケータイヘルプデスク(こたエール)」平成22年度相談実績の概要 734, 35% 62, 11% 84, 16% 530, 26% 235, 11% PC) 396, 73% 579, 28% ) (21 ) 2 3 4 5 6 7 8 9 10 11 12 13 200 150 100 22 182 200 150 100 22 50 54 PC 49 52 PC 50 41 14 17 1 1 4 16 3 6 14 180 250 200 150 235

More information

6 30 2005 10 1 65 2,682 00 21.9 481 1 2,776 21.0 15 1,740 00 5.8 107 13.6 40 2025 24.2-0 - -1 - -2 - -3 - -4 - -5 - -6 - -7 - -8- -9 - - 10 - -11 - - 12 - - 13-10 11 59 4 59 3 10 17 - 14 - - 15 - - 16

More information

Microsoft PowerPoint - GPU_computing_2013_01.pptx

Microsoft PowerPoint - GPU_computing_2013_01.pptx GPU コンピューティン No.1 導入 東京工業大学 学術国際情報センター 青木尊之 1 GPU とは 2 GPGPU (General-purpose computing on graphics processing units) GPU を画像処理以外の一般的計算に使う GPU の魅力 高性能 : ハイエンド GPU はピーク 4 TFLOPS 超 手軽さ : 普通の PC にも装着できる 低価格

More information

ï ñ ö ò ô ó õ ú ù n n ú ù ö ò ô ñ ó õ ï

ï ñ ö ò ô ó õ ú ù n n ú ù ö ò ô ñ ó õ ï ï ñ ö ò ô ó õ ú ù n n ú ù ö ò ô ñ ó õ ï B A C Z E ^ N U M G F Q T H L Y D V R I J [ R _ T Z S Y ^ X ] [ V \ W U D E F G H I J K O _ K W ] \ L M N X P S O P Q @ @ @ @ @ @ @ @ @ @ @ @ @ @ @ @ r r @ @

More information

H1-H4_0906 [更新済み]

H1-H4_0906 [更新済み] 0570-016-100 Q&A 0570-016-100 1 2 3 4 5 1 23 123 0570-064-717 1 2 3 0570-016-100 0570-016-100 3 1 2 Q&A Q &A After Before After Before After Before After Before Before After Before Before After

More information

2 1997 1M SRAM 1 25 ns 1 100 250 1,000 DRAM 60 120 ns 50 5 10 50 10 20 ms 5,000,000 0.1 0.2 1

2 1997 1M SRAM 1 25 ns 1 100 250 1,000 DRAM 60 120 ns 50 5 10 50 10 20 ms 5,000,000 0.1 0.2 1 1 2 1997 1M SRAM 1 25 ns 1 100 250 1,000 DRAM 60 120 ns 50 5 10 50 10 20 ms 5,000,000 0.1 0.2 1 CPU 1 1 2 2 n CPU SRAM DRAM CPU 3 4 5 6 7 N+ N+ P SRAM DRAM 8 Computer Architecture 9 DRAM 3 4 10 11 Ta 2

More information

main.dvi

main.dvi GameDeep GameDeep Game is (not) social /... 3 /... 11 /... 17 AMD : 2013 /... 21 GameDeep Propaganding License GameDeep GameDeep 2 Game is (not) social Not Social : 3 GameDeep 4 Game is (not) social Game

More information

5 11 3 1....1 2. 5...4 (1)...5...6...7...17...22 (2)...70...71...72...77...82 (3)...85...86...87...92...97 (4)...101...102...103...112...117 (5)...121...122...123...125...128 1. 10 Web Web WG 5 4 5 ²

More information

Mvk-xf6k.pm6

Mvk-xf6k.pm6 1 2 3 MVK-XF6K 25 1 2 26 MVK-XF6K 3 MVK-XF6K 27 1 2 3 4 28 MVK-XF6K 1 2 3 4 MVK-XF6K 29 1 2 30 MVK-XF6K 1 2 MVK-XF6K 31 1 2 32 MVK-XF6K 3 4 MVK-XF6K 33 MEMO STANDARD COMS SETUP BIOS FEATURES SETUP BIOS

More information

2 5 6 9 19 20 23 31 32 35 39 40 41 47 48 51 52 55 1 2 1 2 3 3 4 1 2 3 4 5 5 1 2 3 6 4 5 6 7 7 8 8 1 2 3 9 4 5 6 7 8 10 9 10 11 11 1 2 3 4 12 5 6 7 8 13 1 2 14 3 4 15 1 2 3 4 16 5 17 18 19 1 2 20 1 2 3

More information

mobicom.dvi

mobicom.dvi 13Dynamic Voltage Scaling on a Low-Power Microprocessor Johan Pouwelse 5 Koen Langendoen Henk Sips Faculty of Information Technology and Systems Delft University of Technology, The Netherlands 1 78724

More information

01 カラーリバーサル現像 NEW

01 カラーリバーサル現像 NEW ブローニー 6 6 6 4.5 ブローニー 6 7 6 8 9 ブローニー 6 6 6 4.5 ブローニー 6 7 6 8 9 ブローニー 6 6 6 4.5 ブローニー 6 7 6 8 9 2339 1654 3307 2339 4000 2803 3291 2677 3441 4252 4000 6000 3803 2591 1362 945 1630 1268 1929 1543 2323

More information

<4D6963726F736F667420506F776572506F696E74202D20834B8343835F83938358815C8FEE95F183568358836583808A7793C195CA8D758B608252816932303134944E348C8E3893FA816A202D2048502E70707478>

<4D6963726F736F667420506F776572506F696E74202D20834B8343835F83938358815C8FEE95F183568358836583808A7793C195CA8D758B608252816932303134944E348C8E3893FA816A202D2048502E70707478> ガイダンス 東 京 大 学 情 報 基 盤 センター 准 教 授 片 桐 孝 洋 204 年 4 月 8 日 ( 火 )4:40-6:0 ガイダンスの 流 れ. 講 義 の 目 的 2. 講 師 紹 介 3. 講 義 日 程 の 確 認 4. 成 績 の 評 価 方 法 5. イントロダクション(30 分 ) 2 本 講 義 の 目 的 近 年 京 コンピュータに 代 表 される 世 界 トップクラスのスーパーコンピュータが

More information

2004年度版「労働組合の会計税務に係る実務マニュアル」の販売について

2004年度版「労働組合の会計税務に係る実務マニュアル」の販売について URL http://www.rofuku.net 7/17/14 7/127/28 7/268/11 8/12 ( ) FAX ( ) ( ) ( ) @ ( ) ( ) @ ( ) ( ) @ ( ) ( ) @ ( ) ( ) @ (1) YES NO NO YES 1,000 NO YES NO YES YES NO 1,000 YES 5,000 NO NO YES NO YES

More information

HP ProLiant サーバー Generation 8 ~AMD Opteron™ 6300シリーズプロセッサー搭載製品カタログ~

HP ProLiant サーバー Generation 8 ~AMD Opteron™ 6300シリーズプロセッサー搭載製品カタログ~ HP ProLiant Generation 8 AMD Opteron 6300 IT TCO AMD Opteron HP ProLiant Generation 8 IT HP ProLiant BL465c Gen8 HP ProLiant DL385p Gen8 IT AMD Opteron HP ProLiant Generation 8 ITTCO TCO TCO & Java 1 40%

More information

Microsoft PowerPoint - endo-hokke13-kfc.pptx

Microsoft PowerPoint - endo-hokke13-kfc.pptx TSUBAME-KFC: 液 浸 冷 却 を 用 いた ウルトラグリーンスパコン 研 究 設 備 遠 藤 敏 夫 額 田 彰 松 岡 聡 東 京 工 業 大 学 学 術 国 際 情 報 センター 現 在 ~ 将 来 のスパコンは 電 力 あ たり 性 能 で 決 まる 現 実 的 なスパコンセンターの 電 力 の 限 界 は20MW 程 度 とされる Exaflopsのシステムを 実 現 する には

More information

(1)

(1) ~ ~ NO YES ~ ( NO YES ) YES NO NO YES ~ ( NO YES ) YES NO 1 1 NO 2 NO 2YES YES 1 (1) 25 26 2 3 () () () () 4 () () 5 6 () 7 () 8 9 1-3-1 10 3 11 12 ~1. (1) () () (2) (3) () (4) () () (5) (6) (7) (1) (2)

More information

untitled

untitled 13 50 15 6.0 0.25 220 23 92 960 16 16 3.9 3.9 12.8 83.3 7 10 1150 90 1035 1981 1850 4700 4700 15 15 1150 1150 10 12 31 1.5 3.7%(224 ) 1.0 1.5 25.4%(1522 ) 0.7 30.6 1835 ) 0.7 1.0 40.3 (2421 ) 7.3

More information

27 YouTube YouTube UGC User Generated Content CDN Content Delivery Networks LRU Least Recently Used UGC YouTube CGM Consumer Generated Media CGM CGM U

27 YouTube YouTube UGC User Generated Content CDN Content Delivery Networks LRU Least Recently Used UGC YouTube CGM Consumer Generated Media CGM CGM U YouTube 2016 2 16 27 YouTube YouTube UGC User Generated Content CDN Content Delivery Networks LRU Least Recently Used UGC YouTube CGM Consumer Generated Media CGM CGM UGC UGC YouTube k-means YouTube YouTube

More information

.w..01 (1-14)

.w..01 (1-14) ISSN 0386-7617 Annual Research Reports No.33, 2009 THE FOUNDATION FOR GROWTH SCIENCE ön é

More information

untitled

untitled 16 4 1 17 1 50 -1- -2- -3- -4- -5- -6- -7- 1 2-8- -9- -10- -11- Web -12- (1) (2)(1) (3) (4) (1)()(2) (3)(4) -13- -14- -15- -16- -17- -18- -19- -20- -21- -22- -23- (2)(1) (3) -24- -25- -26- -27- -28- -29-

More information

ごあいさつ

ごあいさつ 2004 11 7 10 00 2004 13:0014:00 16 00 2004 3 5N S24 29 34 39 44 49 54 59H1 6 11. URL 1 7 2005 2 1 1210 121 149 187 149 606 137 134 177 156 604 162 11 1 2004 2 1241 135 126 120 233 614 145 131 131 220 627

More information

main.dvi

main.dvi PC 1 1 [1][2] [3][4] ( ) GPU(Graphics Processing Unit) GPU PC GPU PC ( 2 GPU ) GPU Harris Corner Detector[5] CPU ( ) ( ) CPU GPU 2 3 GPU 4 5 6 7 1 toyohiro@isc.kyutech.ac.jp 45 2 ( ) CPU ( ) ( ) () 2.1

More information

見本

見本 04 05 Change 06 07 32 24 1 2 Create 9 After After Before Before 15 History 2010 2011 2012 2013 2014 2015 10 11 Carnival 2,700 19,000 12 13 14 15 16 17 Data 3 1 45 13 14 3 0 84 47 64 3 13 8 9 1 41 64 99

More information

DRAM SRAM SDRAM (Synchronous DRAM) DDR SDRAM (Double Data Rate SDRAM) DRAM 4 C Wikipedia 1.8 SRAM DRAM DRAM SRAM DRAM SRAM (256M 1G bit) (32 64M bit)

DRAM SRAM SDRAM (Synchronous DRAM) DDR SDRAM (Double Data Rate SDRAM) DRAM 4 C Wikipedia 1.8 SRAM DRAM DRAM SRAM DRAM SRAM (256M 1G bit) (32 64M bit) 2016.4.1 II ( ) 1 1.1 DRAM RAM DRAM DRAM SRAM RAM SRAM SRAM SRAM SRAM DRAM SRAM SRAM DRAM SRAM 1.2 (DRAM, Dynamic RAM) (SRAM, Static RAM) (RAM Random Access Memory ) DRAM 1 1 1 1 SRAM 4 1 2 DRAM 4 DRAM

More information

Cisco 1711/1712セキュリティ アクセス ルータの概要

Cisco 1711/1712セキュリティ アクセス ルータの概要 CHAPTER 1 Cisco 1711/1712 Cisco 1711/1712 Cisco 1711/1712 1-1 1 Cisco 1711/1712 Cisco 1711/1712 LAN Cisco 1711 1 WIC-1-AM WAN Interface Card WIC;WAN 1 Cisco 1712 1 ISDN-BRI S/T WIC-1B-S/T 1 Cisco 1711/1712

More information

2013.1 POINT 48% 6% 17% 19% 10% Plus ECO 11,500 59,420 70,920 ,, -- Plus Clean 1. 2. 3. Plus Comfort 60 Plus 110dB 100dB 90dB 80dB 70dB 60dB 50dB 40dB 40dB Quiet POINT 1 POINT 2 POINT 3 Plus Beauty

More information

-1-1 1 1 1 1 12 31 2 2 3 4

-1-1 1 1 1 1 12 31 2 2 3 4 2007 -1-1 1 1 1 1 12 31 2 2 3 4 -2-5 6 CPU 3 Windows98 1 -3-2. 3. -4-4 2 5 1 1 1 -5- 50000 50000 50000 50000 50000 50000 50000 50000 50000 50000-6- -7-1 Windows 2 -8-1 2 3 4 - - 100,000 200,000 500,000

More information

1 2

1 2 1 1 2 3 1 2 3 4 5 2 3 4 4 1 2 3 4 5 5 5 6 1 1 2 3 1 8 1 3 1 9 2 10 2 3 1 11 2 12 13 3 1 2 2 14 2 3 1 15 2 16 2 3 1 17 2 18 2 3 1 19 3 20 3 3 1 21 3 22 3 3 1 23 3 24 3 3 1 25 3 26 3 3 1 27 3 28 3 3 1 29

More information

MOTIF XF 取扱説明書

MOTIF XF 取扱説明書 MUSIC PRODUCTION SYNTHESIZER JA 2 (7)-1 1/3 3 (7)-1 2/3 4 (7)-1 3/3 5 http://www.adobe.com/jp/products/reader/ 6 NOTE http://japan.steinberg.net/ http://japan.steinberg.net/ 7 8 9 A-1 B-1 C0 D0 E0 F0 G0

More information

Title 多重構造音響連成場の振動解析制御 Author(s) 菅野, 秀 Citation Issue Date 2012-03-25 URL http://hdl.handle.net/10748/5587 DOI Rights Type Thesis or Dissertation Textversion publisher http://www.tmu.ac.jp/ 首都大学東京機関リポジトリ

More information

第29回日中石炭関係総合会議

第29回日中石炭関係総合会議 1 2 3 4 5 6 闞 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 闞 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69

More information

橡望月ゼミナール4年次進級論文.PDF

橡望月ゼミナール4年次進級論文.PDF 98 1 2 3 4 5 1 ( ) ( ) 2 3 5 3 ( ) 4 ( ) ( ) 5 ( ) H2O 2 6 2 1 1 2 2 2 ( ) 2 2 3 3 2 2 7 3 u x1 x2 xn z1 z2 zn x1 x2 xn p1 p2 pn C z1 p1 z2 p2 zn pn C x1 x2 xn x xn n C p1 p2 pn u x1 x2 xn x1 x2 xn N N

More information

1 124

1 124 7 1 2 3 4 5 6 7 8 9 10 11 12 1 124 Phoenix - AwardBIOS CMOS Setup Utility Integrated Peripherals On-Chip Primary PCI IDE [Enabled] IDE Primary Master PIO [Auto] IDE Primary Slave PIO [Auto] IDE Primary

More information

1 P2 P P3P4 P5P8 P9P10 P11 P12

1 P2 P P3P4 P5P8 P9P10 P11 P12 1 P2 P14 2 3 4 5 1 P3P4 P5P8 P9P10 P11 P12 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 & 11 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 2 2 1! 3 2 3! 4 4 3 5 6 I 7 8 P7 P7I P5 9 P5! 10 4!! 11 5 03-5220-8520

More information

NP-DB NP-DB10 0570-011874 This appliance was designed for use in Japan only where the local voltage supply is AC100V and should not be used in other countries where the voltage and frequency

More information

NP-HV10 NP-HV18 NP-HV E D C 1 1 2 3 2 3 1 2 1 3 4 5 6 7 8 1 1 2 2 2 3 1 2 1 3 4 1 5 6 2 3 4 4 1 1 2 3 4 5 0570-011874 This appliance was designed for use in Japan only where the local voltage supply

More information

supercomputer2010.ppt

supercomputer2010.ppt nanri@cc.kyushu-u.ac.jp 1 !! : 11 12! : nanri@cc.kyushu-u.ac.jp! : Word 2 ! PC GPU) 1997 7 http://wiredvision.jp/news/200806/2008062322.html 3 !! (Cell, GPU )! 4 ! etc...! 5 !! etc. 6 !! 20km 40 km ) 340km

More information

GPUコンピューティング講習会パート1

GPUコンピューティング講習会パート1 GPU コンピューティング (CUDA) 講習会 GPU と GPU を用いた計算の概要 丸山直也 スケジュール 13:20-13:50 GPU を用いた計算の概要 担当丸山 13:50-14:30 GPU コンピューティングによる HPC アプリケーションの高速化の事例紹介 担当青木 14:30-14:40 休憩 14:40-17:00 CUDA プログラミングの基礎 担当丸山 TSUBAME の

More information

Microsoft Word - „ú’¶flN‰à−î‰à“à’�›^›c−î‘•‡Ì›ð’à.doc

Microsoft Word - „ú’¶flN‰à−î‰à“à’�›^›c−î‘•‡Ì›ð’à.doc - 1 - - - 2 - - - 3 - - - 4 - - - 5 - - - 6 - - - 7 - - - 8 - - - 9 - - Q Q Q - 10 - - Q - 11 - - - 12 - - Q Q - 13 - - 8-14 - - - 15 - - 1-16 - - 20 3 12 () - 17 - - - 18 - - 8 8 9 8-19 - - - 20 - - 39

More information

1 138

1 138 5 1 2 3 4 5 6 7 8 1 138 BIOS Setup Utility MainAdvancedSecurityPowerExit Setup Warning Item Specific Help Setting items on this menu to incorrect values may cause your system to malfunction. Select 'Yes'

More information

untitled

untitled 50 5 2010 8 5 500 9 1999 05 08 09 1 2009 (LAC: ) ( 1999 10 2 3 2010 Vaccine 28(2010) 3134-3142) 2009 5 6 7 8 9 Q & A Time after Class 80 90 10 11 1 13 12 13 2009 15 16 17 18 19 2009 10 20 21 22 23 24 25

More information

Netcommunity SYSTEM BX主装置タイプ取扱説明書

Netcommunity SYSTEM BX主装置タイプ取扱説明書 6 7 8 9 0 0 PWR 6 7 8 9 0 6 7 6 7 8 9 0 6 7 6 8 9 0 6 7 8 0 9 6 7 8 9 0 6 7 7 9 0 8 6 8 9 60 6 6 6 6 6 6 66 67 6 68 69 70 7 7 7 6 7 7 76 77 78 79 80 6 8 8 8 6 8 8 6 86 87 88 89 90

More information

X Z Y に X Y Y 7 8 30cm3m 3000 9 そ の プ リ ペ イ ド 0 48 2 2

X Z Y に X Y Y 7 8 30cm3m 3000 9 そ の プ リ ペ イ ド 0 48 2 2 204 singularity 2 BITCOIN 204228 490 46 3 4 5 X Y 6 X Z Y に X Y Y 7 8 30cm3m 3000 9 そ の プ リ ペ イ ド 0 48 2 2 3 2009Nakamoto P2P 4 A D, B E P2P THE OPEN UNIVERSITY OF JAPAN WKHRSHQXQLYHUVLWBRIMDSDQ 5 6 U

More information

1 2

1 2 1 1 2 1 2 3 4 5 3 2 3 4 4 1 2 3 4 5 5 5 6 1 1 2 1 8 1 3 1 9 2 10 2 3 1 11 2 12 2 3 1 13 14 2 2 3 1 15 2 1 2 3 4 5 16 2 6 7 8 3 1 1 2 17 2 18 2 3 1 19 2 20 2 3 1 21 2 22 2 3 1 23 2 24 2 3 1 25 2 26 2 3

More information

26 FPGA 11 05340 1 FPGA (Field Programmable Gate Array) ASIC (Application Specific Integrated Circuit) FPGA FPGA FPGA FPGA Linux FreeDOS skewed way L1

26 FPGA 11 05340 1 FPGA (Field Programmable Gate Array) ASIC (Application Specific Integrated Circuit) FPGA FPGA FPGA FPGA Linux FreeDOS skewed way L1 FPGA 272 11 05340 26 FPGA 11 05340 1 FPGA (Field Programmable Gate Array) ASIC (Application Specific Integrated Circuit) FPGA FPGA FPGA FPGA Linux FreeDOS skewed way L1 FPGA skewed L2 FPGA skewed Linux

More information

LL 2

LL 2 1 LL 2 100 1990 3 4 í().. 1986 1992.. 5 õ?? / / / /=/ / / Ì / 77/ / / / / / / ûý7/..... /////////////Ì 7/ / 7/ / / / / ûý7/..... / / / / / / / / Ì / Í/ / / / / / / / / ûý7/.. / : Ì / Í/ / / / / / / / /

More information

Images per Second Images per Second VOLTA: ディープラーニングにおける大きな飛躍 ResNet-50 トレーニング 2.4x faster ResNet-50 推論 TensorRT - 7ms レイテンシ 3.7x faster P100 V100 P10

Images per Second Images per Second VOLTA: ディープラーニングにおける大きな飛躍 ResNet-50 トレーニング 2.4x faster ResNet-50 推論 TensorRT - 7ms レイテンシ 3.7x faster P100 V100 P10 NVIDIA TESLA V100 CUDA 9 のご紹介 森野慎也, シニアソリューションアーキテクト (GPU-Computing) NVIDIA Images per Second Images per Second VOLTA: ディープラーニングにおける大きな飛躍 ResNet-50 トレーニング 2.4x faster ResNet-50 推論 TensorRT - 7ms レイテンシ

More information