ディープラーニングによって加速する AI 競争 100% 90% 80% 従来 CV 手法 IMAGENET 正答率 ディープラーニング 70% 60% IBM Watson が自然言語処理のブレークスルーを実現 Facebook が Big Sur を発表 Baidu の Deep Speech
|
|
|
- あきひろ かなり
- 5 years ago
- Views:
Transcription
1 エヌビディアのディープラーニング戦略 エヌビディア合同会社プラットフォームビジネス本部部長 林憲一
2 ディープラーニングによって加速する AI 競争 100% 90% 80% 従来 CV 手法 IMAGENET 正答率 ディープラーニング 70% 60% IBM Watson が自然言語処理のブレークスルーを実現 Facebook が Big Sur を発表 Baidu の Deep Speech 2 人間を超える 50% 40% 30% 20% 10% 0% Google が TensorFlow を発表 トヨタ自動車が人工知能研究所に 1200 億円投資 マイクロソフトと中国の科学技術大学が IQ テストで人間を超える 7
3 ディープラーニングを加速する 3 要素 DNN ビッグデータ GPU
4 エクサバイトのコンテンツが毎日生み出されるユーザーの作るコンテンツがウェブサービスのサーバーを圧迫 1000 万ユーザー毎日 40 年分のビデオ配信 170 万のゲーマーが配信毎日 1 時間半視聴 毎日 60 億の検索クエリー 10% は音声入力 毎日 2 億 7000 万アイテム売買 43% はモバイルデバイス 毎日 80 億ビデオビュー半年で 400% 成長 毎分 300 時間分のビデオ 50% はモバイルデバイスを使用 9
5 ハイパースケールデータセンター Tesla プラットフォーム トレーニングのためのサーバーデータ量でスケール 推論 ウェブサービスのためのサーバーユーザー数でスケール 毎日エクサバイトのコンテンツ学習済みモデル学習済みのモデルを配置数十億のデバイス 11
6 8 倍高速 Caffe パフォーマンス TESLA M40 世界最速のディープラーニングアクセラレーター CPU Tesla M40 トレーニングにかかる時間を 8 日から 1 日へ短縮 # of Days CUDA コア 3072 理論ピーク性能 7 TFLOPS GDDR5 メモリ メモリバンド幅 消費電力 12 GB 288 GB/s 250W Caffe Benchmark: AlexNet training throughput based on 20 iterations, CPU: 2.70GHz. 64GB System Memory, CentOS
7 ビデオ処理 手振れ補正 画質向上 イメージ処理 リサイズ フィルター 検索 自動画質向上 4 倍 5 倍 TESLA M4 ハイパースケールワークロードを加速して最高スループットを実現 ビデオトランスコード 2 倍 H.264 & H.265, SD & HD 機械学習推論 2 倍 CUDA コア 1024 理論ピーク性能 2.2 TFLOPS GDDR5 メモリメモリバンド幅フォームファクター消費電力 4 GB 88 GB/s PCIe Low Profile W Preliminary specifications. Subject to change. 14
8 エヌビディア合同会社プラットフォームビジネス本部ディープラーニングソリューションアーキテクト兼 CUDA エンジニア村上真奈 16
9 ディープラーニング SDK ディープラーニング開発を強力にサポート ディープラーニング SDK DIGITS cudnn cusparse cublas NCCL 17
10 cudnn4 ディープラーニング用ライブラリ 最新はバージョン 4 (2015/12~) ディープニューラルネットワークの為の GPU プリミティブ群 Caffe, Torch, Theano, Chainer, TensorFlow 等の主要ディープラーニングフレームワークが採用 以下の OS をサポート ( 現在 ) Windows Linux(x64/ARMv7/ARM64/Power8) Mac OSX Android(ARMv7/ARM64) ディープラーニング SDK 18
11 学習の高速化 cudnn4 ディープラーニング用ライブラリ 学習をより速く推論を高速に 畳み込み演算のアルゴリズムに 2D FFT タイリングを追加 Batch Normalization 処理の追加 normalizationfoward 関数 normalizationbackward 関数の追加 畳み込み演算の FP16 サポート (Tegra X1 only) cudnnconvolutionforward 関数の FP16 対応 推論処理の高速化 convolutionfoward の batchsize=1 の場合の最適化 Small Batch Sizes Up to 2x faster on Alexnet Layers 3.0x 2.0x 1.0x 0.0x Tiled FFT up to 2x faster on VGG Layers 3.0x 2.0x 1.0x 0.0x 20
12 Performance cudnn4 ディープラーニング用ライブラリ学習をより速く推論を高速に Caffe Performance 6 M40+cuDNN4 5 M40+cuDNN K40 K40+cuDNN1 0 11/2013 9/2014 7/ /2015 AlexNet training throughput based on 20 iterations, CPU: 1x E5-2680v3 12 Core 2.5GHz. 128GB System Memory, Ubuntu
13 cublas CUDA7.5: cublas & cusparse ディープラーニング SDK 密行列計算用ライブラリ cusparse 疎行列計算用ライブラリ cusparse 22
14 cusparse CUDA7.5: cublas & cusparse 密行列 疎ベクタールーチン 自然言語処理を高速化 Bag of Words(BoW) をより高速に処理 cusparse{s,d,c,z}gemvi() ディープラーニング SDK cublas y = α op(a) x + β y FP16( 半精度浮動小数点 ) ストレージ cublassgemmex() FP16 データ入出力対応の行列積 ( 演算は FP32) 23
15 NVIDIA Collective Collection Library(NCCL) ディープラーニング SDK マルチ GPU 集合通信ライブラリ all-gather, reduce, broadcast など標準的な集合通信の処理をバンド幅が出るように最適化シングルプロセスおよびマルチプロセスで使用する事が可能 24
16 DIGITS3 ディープラーニング SDK Web ベースのディープラーニング GPU トレーニングシステム ユーザーインターフェース 学習 Chainer データセットの作成 Theano Torch 学習モデルの作成 NVCaffe 学習過程の可視化 レイヤーの可視化 cudnn, cublas CUDA DIGITS(UI/Server) ディープラーニングの学習 テストを簡単に行う為の UI 別マシンから DIGITS を操作する為のサーバ機能 NVCaffe BVLC/caffe( 本家 ) からフォーク最新の CUDA ライブラリを使用エヌビディア GPU に最適化 GPU HW GPU マルチ GPU GPU クラスタ クラウド 25
17 DIGITS3 強化されたワークフローで効率よく学習 Torch7 に対応 (Preview) cudnn4 を使った学習 / 推論 HDF5 形式のデータセットのサポート学習データセットのブラウジング機能 LMDB 形式の学習データの中身を確認出来る機能が追加ジョブマネージメント機能の強化 現在実行中のジョブ一覧を分かりやすく表示する機能が追加学習結果比較用ブラウザ 学習済みモデルを Accuracy や Loss 率など幾つかの項目でソートしたり 分析できる画面が追加 27
18 DIGITS DEMO 28
19 ディープラーニング SDK ディープラーニング開発を強力にサポート ディープラーニング SDK DIGITS cudnn cusparse cublas NCCL 29
20 Jetson TX1 モジュール型スーパーコンピューター 10W 以下で比類ないパフォーマンスクレジットカードサイズディープラーニングの各種フレームワークに対応 30
21 包括的な開発者用プラットフォーム Jetson ソフトウェア開発キットライブラリ群開発ツール設計ファイル開発者フォーラム学習 チュートリアルエコシステム 32
22 Jetson Linux SDK グラフィックス ディープラーニングとコンピュータビジョン GPU による計算 開発ツール NVTX NVIDIA Tools extension Debugger Profiler System Trace 33
23 cudnn CUDA で加速されたディープラーニング用ライブラリ アプリケーション 各種フレームワーク 各種ニューラルネットワークを使い始めてすぐに高速化 標準的なフレームワークに全て対応 学習にも推論にも対応 cudnn CUDA 各ハードウェア Jetson TX1 Tesla TITAN X 34
24 VisionWorks CUDA で加速されたコンピュータービジョン用ツールキット Feature Tracking Structure from Motion アプリケーション Pipelines Object Tracking Dense Optical Flow OpenVX1.1 の完全実装 VisionWorks NVIDIA のカスタム拡張 既存の CV パイプラインに容易に統合可能 CUDA Linux Windows 各ハードウェア Jetson TK1 Jetson TX1 Tesla TITAN X 35
25 JETSON TX1 DEMO 36
26 あらゆるフレームワークを GPU で最適化 大学 BIG SUR TENSORFLOW WATSON CNTK TORCH CAFFE THEANO MATCONVNET MOCHA.JL PURINE スタートアップ CHAINER DL4J KERAS OPENDEEP MINERVA MXNET* SCHULTS LABORATORIES VITRUVIAN NVIDIA GPU プラットフォーム *U. Washington, CMU, Stanford, TuSimple, NYU, Microsoft, U. Alberta, MIT, NYU Shanghai 37
27 株式会社 Preferred Networks 取締役副社長岡野原大輔様 38
28 Google s Open Source Machine Learning System: TensorFlow Dr. Mike Schuster, Google 40
29 docomo Developer support における画像認識 API 提供株式会社 NTT ドコモサービスイノベーション部酒井俊樹様 42
30 docomo Developer support をご存じの方? 2016 NTT DOCOMO, INC. All Rights Reserved NTT DOCOMO, INC. All rights reserved.
31 協創による新規事業創出をめざし API を提供 2016 NTT DOCOMO, INC. All Rights Reserved NTT DOCOMO, INC. All rights reserved.
32 docomo Developer support 17 カテゴリ (25 種類 ) の API 無償 ( 制限の範囲内で ) API カテゴリ シナリオ対話発話理解雑談対話知識 Q&A 言語解析音声認識音声合成画像認識 API カテゴリ 文字認識トレンド記事抽出動作推定ジオフェンシング地図フォトコレクションドコモ電話帳データ保管 BOX IoT 機器制御 2016 NTT DOCOMO, INC. All Rights Reserved NTT DOCOMO, INC. All rights reserved.
33 docomo Developer support シナリオ対話 2016 NTT DOCOMO, INC. All Rights Reserved NTT DOCOMO, INC. All rights reserved.
34 docomo Developer support 雑談対話 2016 NTT DOCOMO, INC. All Rights Reserved NTT DOCOMO, INC. All rights reserved.
35 docomo Developer support 画像認識 2016 NTT DOCOMO, INC. All Rights Reserved NTT DOCOMO, INC. All rights reserved.
36 2 つの画像認識 API 1. オブジェクト認識 商品認識 個別具体的な名称で認識 局所特徴量ベース 2. カテゴリ認識 抽象的なコンセプトを認識 Deep Learning を利用 2016 NTT DOCOMO, INC. All Rights Reserved NTT DOCOMO, INC. All rights reserved.
37 2 つの画像認識 API 1. オブジェクト認識 商品認識 個別具体的な名称で認識 局所特徴量ベース 自然言語処理入門 画像認識エンジン 2016 NTT DOCOMO, INC. All Rights Reserved NTT DOCOMO, INC. All rights reserved.
38 2 つの画像認識 API 1. オブジェクト認識 商品認識 個別具体的な名称で認識 局所特徴量ベース 商品名 : 画像認識 API 入門 著者 : ドコモ太郎 発売年 :2014/9/17 自然言語処理入門 画像認識エンジン 商品名 : 自然言語処理入門 著者 : ドコモ花子 発売年 :1989/9/ NTT DOCOMO, INC. All Rights Reserved NTT DOCOMO, INC. All rights reserved.
39 2 つの画像認識 API 1. オブジェクト認識 商品認識 個別具体的な名称で認識 局所特徴量ベース 自然言語処理入門 画像認識エンジン 2016 NTT DOCOMO, INC. All Rights Reserved NTT DOCOMO, INC. All rights reserved.
40 2 つの画像認識 API 1. オブジェクト認識 商品認識 個別具体的な名称で認識 局所特徴量ベース 商品名 : 画像認識 API 入門 著者 : ドコモ太郎 発売年 :2014/9/17 自然言語処理入門 画像認識エンジン 商品名 : 自然言語処理入門 著者 : ドコモ花子 発売年 :1989/9/ NTT DOCOMO, INC. All Rights Reserved NTT DOCOMO, INC. All rights reserved.
41 2 つの画像認識 API 1. オブジェクト認識 商品認識 個別具体的な名称で認識 局所特徴量ベース 商品名 : 画像認識 API 入門 著者 : 酒井俊樹 発売年 :2014/9/17 画像認識エンジン 2016 NTT DOCOMO, INC. All Rights Reserved NTT DOCOMO, INC. All rights reserved.
42 2 つの画像認識 API 1. オブジェクト認識 商品認識 個別具体的な名称で認識 局所特徴量ベース 商品名 : 画像認識 API 入門 著者 : 酒井俊樹 発売年 :2014/9/17 自然言語処理入門 画像認識エンジン 2016 NTT DOCOMO, INC. All Rights Reserved NTT DOCOMO, INC. All rights reserved.
43 1. オブジェクト認識 商品認識の特徴 大規模 高速 (700 万件 1 秒 ) 遮蔽 回転 OK 特徴量比較 自然言語処理入門 商品名 : 自然言語処理入門 著者 : ドコモ花子 発売年 :1999/12/21 画像 1 枚から バリエーションのある 商品名 : 画像認識 API 入門 著者 : ドコモ太郎 発売年 :2014/9/17 物体は苦手 エンジン 画像認識 特徴量は手作り 2016 NTT DOCOMO, INC. All Rights Reserved NTT DOCOMO, INC. All rights reserved.
44 2 つの画像認識 API 1. オブジェクト認識 商品認識 個別具体的な名称で認識 局所特徴量ベース 2. カテゴリ認識 抽象的なコンセプトを認識 Deep Learning を利用 2016 NTT DOCOMO, INC. All Rights Reserved NTT DOCOMO, INC. All rights reserved.
45 2. カテゴリ認識 (Deep Learning) スキー / スノボ 海 シーン認識エンジン 運動会 2016 NTT DOCOMO, INC. All Rights Reserved NTT DOCOMO, INC. All rights reserved.
46 2. カテゴリ認識 (Deep Learning) 豚骨ラーメン 醤油ラーメン 料理認識エンジン 焼きそば 2016 NTT DOCOMO, INC. All Rights Reserved NTT DOCOMO, INC. All rights reserved.
47 2. カテゴリ認識 (Deep Learning) キノコ認識 ドクツルタケ 花認識 チューリップ ファッション認識 カットソーグレー系ボーダー 2016 NTT DOCOMO, INC. All Rights Reserved NTT DOCOMO, INC. All rights reserved.
48 2. カテゴリ認識 (Deep Learning) バリエーション OK とりあえず学習 認識 入力 低次の層で特徴を抽出取り出すべき特徴も学習で決める 出力 大量のデータが必要 並列分散処理 取り出した特徴を元に認識 2016 NTT DOCOMO, INC. All Rights Reserved NTT DOCOMO, INC. All rights reserved.
49 Deep Learning の学習時間 ( イメージ ) CPU 約 7 日 (20000iter) GPU 半日弱 約 20 倍 大規模データの 学習 では GPU が必須 2016 NTT DOCOMO, INC. All Rights Reserved. あくまでイメージです 画像枚数やネットワークによって変わります CPU:Intel Xeon(R) CPU E GPU:NVIDIA Tesla K NTT DOCOMO, INC. All rights reserved.
50 Deep Learning の認識時間 ( イメージ ) CPU 数百 ms/ 枚 GPU 2016 NTT DOCOMO, INC. All Rights Reserved. 数十 ms/ 枚 約 10 倍 2008 NTT DOCOMO, INC. All rights reserved. 以下に依存して選択 使うネットワーク構造 求める処理速度 あくまでイメージです 画像枚数やネットワークによって変わります CPU:Intel Xeon(R) CPU E GPU:NVIDIA Tesla K80
51 Deep Learning を用いた API のシステム構成 登録 アプリ開発者 開発 アクセス用キー 画像 + モデル名 ドコモ側で学習済みの Deep Learning の認識器 ( モデル ) シーン認識 料理認識 認識結果タグ + スコア 返却は 1 秒以内 画像認識 API (CPU) 学習用サーバ (GPU) 2016 NTT DOCOMO, INC. All Rights Reserved NTT DOCOMO, INC. All rights reserved.
52 Deep Learning の API のサービス利用 シーン認識 アルバムアプリ運動会 クラウド管理支援 2016 NTT DOCOMO, INC. All Rights Reserved NTT DOCOMO, INC. All rights reserved.
53 Deep Learning の API のサービス利用 料理認識 握りずし ヘルスケアアプリトレンド解析 2016 NTT DOCOMO, INC. All Rights Reserved NTT DOCOMO, INC. All rights reserved.
54 Deep Learning の API のサービス利用 ファッション認識 カットソーグレー系ボーダー EC サイトでの購入支援 2016 NTT DOCOMO, INC. All Rights Reserved NTT DOCOMO, INC. All rights reserved.
55 Deep Learning の API のサービス利用 花認識 / キノコ認識 チューリップ 図鑑アプリ 2016 NTT DOCOMO, INC. All Rights Reserved NTT DOCOMO, INC. All rights reserved.
56 画像認識 API を使ってみるには 制限緩和 / カスタムモデルのご相談も ご清聴ありがとうございました 2016 NTT DOCOMO, INC. All Rights Reserved NTT DOCOMO, INC. All rights reserved.
57 MATLAB による深層学習 Mathworks Japan アプリケーションエンジニアリング部テクニカルコンピューティング太田英司様 72
58 MATLAB とは? 科学技術計算のための統合開発環境 Figure 優れた開発効率 シンプルなプログラムの文法 インタープリタによる対話的操作 デバッガ プロファイラー等の充実 現在のフォルダ エディター 柔軟な拡張性 C/C++, Java, Python 等との連携 各種計算ライブラリの取り込み ワークスペース MATLAB メモリ領域 豊富な拡張ライブラリー アプリ : 画像 信号 制御 金融等 入出力 : カメラ マイク データベース コマンドウィンドウ コマンド履歴
59 実行時間 ( 秒 ) GPGPU によるアルゴリズムの高速化 波動方程式をスペクトラル法で解いたときの速度の比較 x faster 23x faster 波動方程式のグリッドサイズ 20x faster NVIDIA Tesla K20c GPU 実行が可能な MATLAB 関数群 300 以上の MATLAB 関数 90 in Statistics and Machine Learning Toolbox 48 in Image Processing Toolbox スパース配列の GPU 演算サポート
60 GPGPU によるアルゴリズムの高速化 Parallel Computing Toolbox gpuarray メインメモリ gather GPGPU >> I = gpuarray(i); GPU のメモリへ転送 >> I = imrotate(i, 75, bicubic ); >> I = gather(i); 画像の回転を GPU 上で実行 結果をメインメモリへ転送
61 MATLAB による深層学習 積層自己符号化器 Stacked Autoencoder リカレントニューラルネット Recurrent Neural Network Neural Network Toolbox MATLAB のオプションとして提供 インストールしてすぐ使える サポートも利用可能 畳み込みニューラルネット Convolutional Neural Network 画像認識等に優れた性能 既存方式を大きく引き離す MatConvNet Oxford の研究者によるライブラリ Caffe に近い実行性能 (cudnn v4) 使い易いインターフェース
62 Stacked Autoencoder ( 積層自己符号化器 ) Neural Network Toolbox 自己符号化器 (Autoencoder) とは? 2 層のニューラルネットワーク 恒等写像となるようなウェイトを学習 主に DNN の事前学習に利用 自己符号化器 (Autoencoder) コード例 自己符号化器の学習 autoenc = trainautoencoder(x, hiddensize,... 'L2WeightRegularization, 0.001,... 'SparsityRegularization', 4,... 'SparsityProportion', 0.05,... 'DecoderTransferFunction', 'purelin 'usegpu', true); GPU による高速化 積層自己符号化器 (Stacked Autoencoder)
63 Convolutional Neural Network ( 畳み込みニューラルネット ) MatConvNet
64 CNN と転移学習 転移学習 : 学習済みのネットワークを他のタスクに転用する手法 学習済みの CNN を特徴抽出器として転用 分類器の部分をタスクに合せて再学習
65 Convolutional Neural Network ( 畳み込みニューラルネット ) MatConvNet Demonstration
66 機械学習 並列化 高速化 Statistics and Machine Learning Toolbox 機械学習 多変量統計 確率分布 回帰と分散分析 実験計画 統計的工程管理 Neural Network Toolbox ニューラルネットワークの構築 学習 データフィッティング クラスタリング パターン認識 深層学習 GPU による計算の高速化 Mean Squared Error (mse) Best Validation Performance is at epoch Train Validation Test Best Epochs Parallel Computing Toolbox MATLAB & Simulink と連携した並列処理 対話的な並列計算実行 GPGPU による高速演算 ジョブおよびタスクの制御 コンピュータ ローカル MATLAB デスクトップ MATLAB Distributed Computing Server クラスタによる計算環境を提供 Parallel Computing Toolbox MATLAB Distributed Computing Server Scheduler
67 画像処理 コンピュータービジョン ロボットビジョン Image Processing Toolbox コーナー 円検出 幾何学的変換 各種画像フィルタ処理 レジストレーション ( 位置合せ ) セグメンテーション ( 領域分割 ) 画像の領域の定量評価 Computer Vision System Toolbox カメラキャリブレーション 特徴点 特徴量抽出 機械学習による物体認識 動画ストリーミング処理 トラッキング ステレオビジョン 3D 表示 Image Acquisition Toolbox デバイスから画像 動画直接取り込み フレームグラバボード DCAM, Camera Link GigE Vision, Web カメラ Microsoft Kinect for Windows Robotics System Toolbox ロボティクスアルゴリズム開発の支援 MATLAB Simulink と ROS 間のインターフェイス ROS ノード生成
68 信号処理 信号解析 Signal Processing Toolbox 信号生成 時間領域解析 フィルタ設計解析 スペクトル解析 線形予測 DSP System Toolbox 高度なフィルタ設計 スペクトル解析 スペアナ ロジアナ表示 行列演算 統計処理 Power density (db/rad/sample) Input signal PSD Equiripple output PSD IFIR output PSD Multirate/multistage output PSD Normalized Frequency (x rad/sample) Wavelet Toolbox 信号 画像の解析 ノイズ除去 圧縮等 連続 / 離散ウェーブレット パケット解析 / 主成分分析 対話的な GUI による操作
69 セルフドライビングカー競争の先頭へ 85
70 セルフドライビングはコンピューターサイエンスの大きな挑戦 ソフトウェア スーパーコンピューター ディープラーニング 86
71 エヌビディア合同会社シニアソリューションアーキテクト室河徹 87
72 自動運転の基本ループ HD マップ センシング 制御 ローカライズ プランニング 認識 88
73 自動運転の困難さ 世界は複雑世界は予測不能世界は危険 89
74 NVIDIA DRIVE PX 2 12 CPU コア Pascal GPU 8 TFLOPS 24 DL TOPS 16nm FF 250W リキッドクーリング方式 世界初自動運転向け AI スーパーコンピュータ 91
75 NVIDIA DRIVE PX 2 TITAN X DRIVE PX 2 Process 28nm 16nm FinFET CPU 12 CPU コア 8x A57 + 4x Denver GPU Maxwell Pascal TFLOPS 7 8 DL TOPS 7 24 AlexNet 450 イメージ / 秒 2,800 イメージ / 秒 92
76 次世代 TEGRA プロセッサ 2 基 93
77 次世代 PASCAL GPU 2 基 94
78 リキッドクーリング方式 消費電力 250W 動作温度 80 容量 4200 c m3 95
79 NVIDIA DRIVE PX 2 96
80 ぶつからない車の未来へ向けエヌビディアのディープラーニング カーコンピュータが選定されました 97
81 NVIDIA DRIVENET デモ
82 KITTI dataset 99
83 Courtesy of Cityscapes dataset 100 project
84 Courtesy of Cityscapes dataset 101 project
85 Courtesy 102 of Audi
86 自動運転向けディープラーニングプラットフォーム DRIVEWORKS 認識ローカライズプランニング可視化 NVIDIA DIGITS NVIDIA DRIVE PX 2 NVIDIA DRIVENET 103
87 ONE ARCHITECTURE END-TO-END AI PC GAMING Tesla ( クラウド ) TITAN X (PC) DRIVE PX ( 車載 ) Jetson ( 組み込み ) 104
88 大学 BIG SUR TENSORFLOW WATSON CNTK TORCH CAFFE THEANO MATCONVNET MOCHA.JL PURINE スタートアップ CHAINER DL4J KERAS OPENDEEP MINERVA MXNET* SCHULTS LABORATORIES VITRUVIAN ディープラーニング SDK Tesla ( クラウド ) TITAN X (PC) DRIVE PX ( 車載 ) Jetson ( 組み込み ) 105
89 Thank you!
Slide 1
ディープラーニング最新動向と技術情報 なぜ GPU がディープラーニングに向いているのか エヌビディアディープラーニングソリューションアーキテクト兼 CUDAエンジニア村上真奈 ディープラーニングとは AGENDA なぜ GPU がディープラーニングに向いているか NVIDIA DIGITS 2 ディープラーニングとは 3 Google I/O 2015 基調講演 ディープラーニングのおかげで わずか一年で音声認識の誤認識率が
ディープラーニングの組み込み機器実装ソリューション ~GPC/CPU編~
ディープラーニングの組み込み機器実装ソリューション ~GPU/CPU 編 ~ MathWorks Japan アプリケーションエンジニアリング部大塚慶太郎 Kei.Otsuka@mathworks.co.jp 2018 The MathWorks, Inc. 1 自動運転 : 車 歩行者等の物体認識 白線検出 組み込み GPU への実装 モデル GPU 実装 / 配布 3 医用画像 : 腫瘍等 特定の部位の検出
MATLAB ではじめる画像処理とロボットビジョン ~ 機械学習による物体認識と SLAM~ MathWorks Japan アプリケーションエンジニアリング部信号処理 通信 木川田亘 2015 The MathWorks, 1Inc.
MATLAB ではじめる画像処理とロボットビジョン ~ 機械学習による物体認識と SLAM~ MathWorks Japan アプリケーションエンジニアリング部信号処理 通信 木川田亘 2015 The MathWorks, 1Inc. ロボットビジョンとは ロボットに搭載することを目的としたコンピュータービジョン技術の一分野 標識認識などさまざまな環境下での物体認識や複雑なシーンの理解 未知の領域を探索する際にロボット自身の位置推定と地図作成(SLAM)
MATLAB EXPO 2019 Japan プレゼン資料の検討
自動運転向けソフトウェア Autoware と MATLAB /Simulink の連携 ~ 事例紹介 ~ 2019 年 5 月 28 日株式会社ネクスティエレクトロニクス SW 開発部技術開発グループ太田徳幸 Copyright TOMEN Electronics Corp. 目次 2/31 1. 会社概要 2. Autoware Toolbox 紹介 1. 取り組み背景 2. Autoware
はじめに AI は 感染症の早期発見と治療法の探索 交通事故死の削減 事故発生前の重大なインフラ欠陥の発見など 人類が直面する複雑な > 問題を解決するのに役立てられています AI とディープラーニング利用における 2 つの大きな課題は パフォーマンスの最大化と 絶え間なく変化する基盤技術の管理です
技術概要 NVIDIA GPU CLOUD ディープラーニングソフトウェア 最適化されたディープラーニングコンテナーのガイド はじめに AI は 感染症の早期発見と治療法の探索 交通事故死の削減 事故発生前の重大なインフラ欠陥の発見など 人類が直面する複雑な > 問題を解決するのに役立てられています AI とディープラーニング利用における 2 つの大きな課題は パフォーマンスの最大化と 絶え間なく変化する基盤技術の管理です
b4-deeplearning-embedded-c-mw
ディープラーニングアプリケーション の組み込み GPU/CPU 実装 アプリケーションエンジニアリング部町田和也 2015 The MathWorks, Inc. 1 アジェンダ MATLAB Coder/GPU Coder の概要 ディープニューラルネットワークの組み込み実装ワークフロー パフォーマンスに関して まとめ 2 ディープラーニングワークフローのおさらい Application logic
いまからはじめる組み込みGPU実装
いまからはじめる組み込み GPU 実装 ~ コンピュータービジョン ディープラーニング編 ~ MathWorks Japan アプリケーションエンジニアリング部シニアアプリケーションエンジニア大塚慶太郎 2017 The MathWorks, Inc. 1 コンピュータービジョン ディープラーニングによる 様々な可能性 自動運転 ロボティクス 予知保全 ( 製造設備 ) セキュリティ 2 転移学習を使った画像分類
PowerPoint Presentation
ディープラーニングの 実践的な適用ワークフロー MathWorks Japan テクニカルコンサルティング部縣亮 2015 The MathWorks, Inc. 1 アジェンダ ディープラーニングとは?( おさらい ) ディープラーニングの適用ワークフロー ワークフローの全体像 MATLAB によるニューラルネットワークの構築 学習 検証 配布 MATLAB ではじめるメリット 試行錯誤のやりやすさ
製品開発の現場では 各種のセンサーや測定環境を利用したデータ解析が行われ シミュレーションや動作検証等に役立てられています しかし 日々収集されるデータ量は増加し 解析も複雑化しており データ解析の負荷は徐々に重くなっています 例えば自動車の車両計測データを解析する場合 取得したデータをそのまま解析
ホワイトペーパー Excel と MATLAB の連携がデータ解析の課題を解決 製品開発の現場では 各種のセンサーや測定環境を利用したデータ解析が行われ シミュレーションや動作検証等に役立てられています しかし 日々収集されるデータ量は増加し 解析も複雑化しており データ解析の負荷は徐々に重くなっています 例えば自動車の車両計測データを解析する場合 取得したデータをそのまま解析に使用することはできず
医用画像を題材とした3次元画像解析とディープラーニング
医用画像を題材とした 3 次元画像解析とディープラーニング MathWorks Japan シニアアプリケーションエンジニア大塚慶太郎 kei.otsuka@mathworks.co.jp 2018 The MathWorks, Inc. 1 リリース毎に進化する MATLAB の機能 医用画像処理 自動運転 ロボティクス セキュリティ 3-D Image 3-D Vision SfM Point
Presentation Title
ディープラーニングの システムへの展開 ~ エッジからクラウドまで ~ アプリケーションエンジニアリング部福本拓司 2015 The MathWorks, Inc. 1 機械学習 ディープラーニング関連セッション 2 ディープラーニング学習のイメージできましたでしょうか? カメラ データベースでのデータ取得 簡潔なコーディングで学習 & 検証 豊富なサンプルコード ユーザー成功事例 Deep Dream
AGENDA ディープラーニングとは Qwiklab/Jupyter notebook/digits の使い方 DIGITS による物体検出入門ハンズオン
ハンズオンラボ2 DIGITS による物体検出入門 村上真奈 NVIDIA CUDA & Deep Learning Solution Architect NVIDIA Corporation 1 AGENDA ディープラーニングとは Qwiklab/Jupyter notebook/digits の使い方 DIGITS による物体検出入門ハンズオン ディープラーニングとは 機械学習とディープラーニングの関係
Presentation Title
画像のためのディープラーニング ( 深層学習 ) ~ CNN/R-CNN による物体の認識と検出 ~ MathWorks Japan アプリケーションエンジニアリング部テクニカルコンピューティング 太田英司 2017 The MathWorks, Inc. 1 機械学習 Machine Learning 人間が自然に行っている学習能力と同様の機能をコンピュータで実現しようとする技術 手法 ( ) イヌ
MATLAB® における並列・分散コンピューティング ~ Parallel Computing Toolbox™ & MATLAB Distributed Computing Server™ ~
MATLAB における並列 分散コンピューティング ~ Parallel Computing Toolbox & MATLAB Distributed Computing Server ~ MathWorks Japan Application Engineering Group Takashi Yoshida 2016 The MathWorks, Inc. 1 System Configuration
ディープラーニングとは AGENDA Qwiklabs/DIGITS の使い方 DIGITS による物体検出入門ハンズオン
ハンズオンラボ DIGITS による物体検出入門 山崎和博 ディープラーニング ソリューションアーキテクト エヌビディア ディープラーニングとは AGENDA Qwiklabs/DIGITS の使い方 DIGITS による物体検出入門ハンズオン ディープラーニングとは 様々な分野でディープラーニングを応用 インターネットとクラウド 医学と生物学 メディアとエンターテイメント セキュリティと防衛 機械の自動化
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
ムーアの法則後の世界 年間のマイクロプロセッサのトレンド トランジスタ数 ( 千単位 ) 年率 1.1 倍 シングルスレッド性能 年率 1.5 倍 Original data up t
エヌビディアが加速する AI 革命 エヌビディア合同会社 エンタープライズマーケティング本部長林憲一 1 ムーアの法則後の世界 10 7 40 年間のマイクロプロセッサのトレンド 10 6 10 5 10 4 トランジスタ数 ( 千単位 ) 年率 1.1 倍 10 3 10 2 シングルスレッド性能 年率 1.5 倍 1980 1990 2000 2010 2020 Original data up
Slide 1
ハンズオン受講の為の準備講座 これから始める人の為の ディープラーニング基礎講座 村上真奈 NVIDIA CUDA & Deep Learning Solution Architect NVIDIA Corporation 1 機械学習とディープラーニングの関係 AGENDA ディープラーニングとは? ニューラルネットワークの構造 ディープラーニングの学習とは 畳み込みニューラルネットワーク 午後に予定しているハンズオンの為の基礎講座ディープラーニングをこれから始める方を対象に基礎概念や用語の解説を行います
Managing and Sharing MATLAB Code
MATLAB 入門 ~ 開発向けプログラミング編 ~ MathWorks Japan アプリケーションエンジニアリング部テクニカルコンピューティング 大開孝文 2015 The MathWorks, Inc. 1 プログラミング言語としての MATLAB 2014 年 7 月 IEEE Spectrum による プログラミング言語の人気調査 (12 種類の項目での結果 ) 結果 : MATLAB が
VOLTA TENSOR コアで 高速かつ高精度に DL モデルをトレーニングする方法 成瀬彰, シニアデベロッパーテクノロジーエンジニア, 2017/12/12
VOLTA TENSOR コアで 高速かつ高精度に DL モデルをトレーニングする方法 成瀬彰, シニアデベロッパーテクノロジーエンジニア, 2017/12/12 アジェンダ Tensorコアとトレーニングの概要 混合精度 (Tensorコア) で FP32と同等の精度を得る方法 ウェイトをFP16とFP32を併用して更新する ロス スケーリング DLフレームワーク対応状況 ウェイトをFP16で更新する
Presentation Title
データの本質を読み解くための機械学習 MATLAB でデータ解析の課題に立ち向かう MathWorks Japan アプリケーションエンジニア部アプリケーションエンジニア井原瑞希 2016 The MathWorks, Inc. 1 Buzzwords IoT 人工知能 / AI データ解析 ビッグデータ 2 データ解析ワークフロー データへのアクセスと探索 データの前処理 予測モデルの構築 システムへの統合
ディープラーニングの現在 AGENDA ディープラーニング SDK NVIDIA DIGITS ディープラーニング フレームワーク / ディープラーニングの基礎
エヌビディアが加速するディープラーニング ~ 進化するニューラルネットワークとその開発方法について ~ ディープラーニングソリューションアーキテクト兼 CUDA エンジニア 村上真奈 ディープラーニングの現在 AGENDA ディープラーニング SDK NVIDIA DIGITS ディープラーニング フレームワーク / ディープラーニングの基礎 ディープラーニングの現在 人工知能にとって驚くべき一年
Slide 1
GPU コンピューティング研究会ディープラーニング ハンズオン講習 エヌビディア合同会社 ディープラーニングソリューションアーキテクト兼 CUDA エンジニア村上真奈 追記 ハンズオンのおさらいを後日行いたい方へ MNIST データセットは以下からダウンロードする事が可能です (gz 形式 ) http://yann.lecun.com/exdb/mnist/ 下記スクリプトでも簡単にデータをダウンロード可能です
PowerPoint Presentation
MATLAB による 大規模フリートデータ解析 アプリケーションエンジニアリング部齊藤甲次朗 2015 The MathWorks, Inc. 1 アジェンダ はじめに ビッグデータ解析の課題 MATLAB を活用したフリートデータ解析事例 フリートデータ解析実践 デスクトップでの解析 クラスターへのスケールアウト MATLAB 解析のシステムへの統合 まとめ 2 25 GB / 1hour 4 フリートデータ解析を含むビッグデータ解析の課題
hpc141_shirahata.pdf
GPU アクセラレータと不揮発性メモリ を考慮した I/O 性能の予備評価 白幡晃一 1,2 佐藤仁 1,2 松岡聡 1 1: 東京工業大学 2: JST CREST 1 GPU と不揮発性メモリを用いた 大規模データ処理 大規模データ処理 センサーネットワーク 遺伝子情報 SNS など ペタ ヨッタバイト級 高速処理が必要 スーパーコンピュータ上での大規模データ処理 GPU 高性能 高バンド幅 例
Presentation Title
ディープラーニングによる画像認識の基礎と実践ワークフロー MathWorks Japan アプリケーションエンジニアリング部アプリケーションエンジニア福本拓司 2018 The MathWorks, Inc. 1 一般的におこなわれる目視による評価 製造ライン 医用データ 作業現場 インフラ 研究データ 現場での目視 大量画像の収集 専門家によるチェック 2 スマートフォンで撮影した映像をその場で評価
マネージド AI サービスと GPU IaaS クラウドで GPU が活きる二つの選択肢 マネージド AI サービス GPU IaaS Amazon AI Google Cloud Vision API 等 IBM Watson Microsoft Cognitive Services Amazon
GPU クラウド コンピューティング エンタープライズマーケティング部 佐々木邦暢 (@_ksasaki) マネージド AI サービスと GPU IaaS クラウドで GPU が活きる二つの選択肢 マネージド AI サービス GPU IaaS Amazon AI Google Cloud Vision API 等 IBM Watson Microsoft Cognitive Services Amazon
PHP 開発ツール Zend Studio PHP アフ リケーションサーハ ー Zend Server OSC Tokyo/Spring /02/28 株式会社イグアスソリューション事業部
PHP 開発ツール Zend Studio PHP アフ リケーションサーハ ー Zend Server ご紹介 @ OSC Tokyo/Spring 2015 2015/02/28 株式会社イグアスソリューション事業部 アジェンダ Eclipse ベースの PHP 開発ツール Zend Studio 11 日本語版によるアプリケーション開発について PHP アプリケーションサーバー Zend Server
Presentation Title
いまからはじめる MATLAB による画像処理 コンピュータビジョン ( 導入編 ) MathWorks Japan アプリケーションエンジニアリング部シニアアプリケーションエンジニア大谷卓也 2013 The MathWorks, Inc. 1 画像処理とは? 様々なアルゴリズムを使用し 画像の変形や変換 色の補正 ノイズ除去などを行うこと 統計解析などを併用し 画像からデータの数値化を行うこと
MATLAB®製品紹介セミナー
MATLAB における分類 パターン認識 - 入門編 - MathWorks Japan アプリケーションエンジニアリング部 ( テクニカルコンピューティング部 ) アプリケーションエンジニア大開孝文 2012 The MathWorks, Inc. 1 アジェンダ 回帰モデルと分類モデルについて 分類手法を使ったワインの品質モデリング まとめ 2 分類手法を使ったワインの品質モデリング アプローチ
提案書
アクセスログ解析ソフト Angelfish インストールについて Windows 版 2018 年 05 月 07 日 ( 月 ) 有限会社インターログ TEL: 042-354-9620 / FAX: 042-354-9621 URL: http://www.interlog.co.jp/ はじめに Angelfish のインストールに手順について説明致します 詳細は US のヘルプサイトを参照してください
SUALAB INTRODUCTION SUALAB Solution SUALAB は 人工知能 ( ディープラーニング ) による画像解析技術を通して 迅速 正確 そして使いやすいマシンビジョン用のディープラーニングソフトウェアライブラリーである SuaKIT を提供します これは 従来のマシン
SuaKIT suɑ kít Deep learning S/WLibrary for MachineVision SuaKIT は ディスプレイ 太陽光 PCB 半導体など 様々な分野で使用できる メーカー独自のディープラーニングのマシンビジョンソフトウェアライブラリーです SuaKIT は 様々な産業分野から実際に取得された画像データに基づいて開発されました Samsung LG SK Hanwha
WiFiの現状
V1.0 2019/10/23 はじめての AI 用パソコン Chainer/caffe/opencv 学習編 (ubuntu 版 ) 抜粋版 スペクトラム テクノロジー株式会社 https://spectrum-tech.co.jp sales@spectrum-tech.co.jp 1 目次 ページ 1. Ubuntuについて 3 2. 基本コマンド 3 3. 基本操作 5 4. 日常運用 9
AI技術の紹介とセンサーデータ解析への応用
AI を活用したセンサーデータ解析 MathWorks Japan アプリケーションエンジニアリンググループアプリケーションエンジニア吉田剛士 2018 The MathWorks, Inc. 1 AI を活用したセンサーデータ解析 11:20-11:50 MATLAB による AI 作成 アプリを使った簡易的な解析 学習モデルのパラメータ自動調整 学習モデルのスタンドアロン化 2 課題 : ターボファンエンジンの予知保全
NEC 製PC サーバ『Express5800 R120f-1E』とSanDisk『ioMemory SX /SX 』検証報告書
NEC 製 PC サーバ Express5800 R120f-1E と SanDisk iomemory SX300-1600/SX350-1600 検証報告書 Windows Server 2012 R2 Standard 2015/08/07 文書名称 NEC 製 PC サーバ Express5800 R120f-1E と SanDisk iomemory-sx300-1600/sx350-1600
機械学習 ハンズオン-チュートリアル
機械学習 ハンズオン - チュートリアル 初めてのペアモニター研究 はじめに このチュートリアルは機械学習の環境を構築し ニューラルネットワークが実行できるようになるところまで行います チュートリアルの流れ 1. 環境構築 2. 機械学習用プログラム実装 & 実行 3. プログラムの改良 ( 精度向上のため ) 4. 機械学習についてより深く理解するために 2 y[mm] y[mm] 機械学習 ヒット分布
Presentation Title
並列計算 並列実行による高速化ソリューション MathWorks Japan アプリケーションエンジニアリング部アプリケーションエンジニア吉田剛士 2012 The MathWorks, Inc. 1 アジェンダ MATLAB R2012b ハイライト PCT / MDCS 新機能ハイライト Simulink プロダクトの並列化 まとめ 2 MATLAB R2012b のハイライト 1 新しいデスクトップ
タイトル
生活支援ロボット HSR 向け 自律動作アプリケーション開発 アプリケーションエンジニアリング部木川田亘 2015 The MathWorks, Inc. 1 実演 :HSR による あいさつ アプリケーションの開発 2 アジェンダ 自律ロボット開発における MATLAB ROS を使った HSR との連携ワークフロー まとめ 3 アジェンダ 自律ロボット開発における MATLAB ROS を使った
ソフト活用事例③自動Rawデータ管理システム
ソフト活用事例 3 自動 Raw データ管理システム ACD/Labs NMR 無料講習会 & セミナー 2014 於 )2014.7.29 東京 /2014.7.31 大阪 富士通株式会社テクニカルコンピューティング ソリューション事業本部 HPC アプリケーション統括部 ACD/Spectrus をご選択頂いた理由 (NMR 領域 ) パワフルな解 析機能 ベンダーニュートラルな解析環境 直感的なインターフェース
並列・高速化を実現するための 高速化サービスの概要と事例紹介
第 4 回 AVS 可視化フォーラム 2019 並列 高速化を実現するための 高速化サービスの概要と事例紹介 株式会社アーク情報システム営業部仮野亮ソリューション技術部佐々木竜一 2019.08.30 はじめに アーク情報システムの紹介 高速化サービスとは? 事例紹介 コンサルティングサービスについて アーク情報システムの紹介 設立 資本金 :1987 年 10 月 :3 億 600 万円 従業員数
dlshogiアピール文章
第 28 回世界コンピュータ将棋選手権 dlshogi アピール文章 山岡忠夫 2018 年 5 月 1 日更新 下線部分は 第 5 回将棋電王トーナメントからの差分を示す 1 特徴 ディープラーニングを使用 指し手を予測する Policy Network 局面の勝率を予測する Value Network 入力特徴にドメイン知識を活用 モンテカルロ木探索 並列化 自己対局による強化学習 既存将棋プログラムの自己対局データを使った事前学習
ERDAS IMAGINE における処理速度の向上 株式会社ベストシステムズ PASCO CORPORATION 2015
ERDAS IMAGINE における処理速度の向上 株式会社ベストシステムズ 本セッションの目的 本セッションでは ERDAS IMAGINEにおける処理速度向上を目的として機器 (SSD 等 ) 及び並列処理の比較 検討を行った 1.SSD 及び RAMDISK を利用した処理速度の検証 2.Condorによる複数 PCを用いた並列処理 2.1 分散並列処理による高速化試験 (ERDAS IMAGINEのCondorを使用した試験
Infor 10 ERP Enterprise Overview
IDF 概要 Infor Development Framework インフォアジャパン株式会社 目次 1. IDFの目的 2. IDFの構成と特徴 3. Power Linkのご紹介 4. Net Linkのご紹介 5. 基本ネットワークと拡張ネットワーク 6. 拡張アーキテクチャーと実装環境 スライドショーでが付与された項目についてはをクリックすると実機操作ビデオを再生します 2 1. IDF
Slides: TimeGraph: GPU Scheduling for Real-Time Multi-Tasking Environments
計算機アーキテクチャ第 11 回 マルチプロセッサ 本資料は授業用です 無断で転載することを禁じます 名古屋大学 大学院情報科学研究科 准教授加藤真平 デスクトップ ジョブレベル並列性 スーパーコンピュータ 並列処理プログラム プログラムの並列化 for (i = 0; i < N; i++) { x[i] = a[i] + b[i]; } プログラムの並列化 x[0] = a[0] + b[0];
スライド 1
ディープラーニングへの Ruby 適用試行に関する報告 2017 年 2 月 15 日 Japan OSS Promotion Forum アプリケーション部会 サイオステクノロジー株式会社 手塚拓 0 目次 1. ディープラーニングとは 2. ディープラーニングに Ruby を利用する価値 3. Ruby でディープラーニング の問題点 4. 現状報告 I. 予備知識 II. 検証 III. 報告
いまからはじめる、MATLABによる 画像処理・コンピュータビジョン
いまからはじめる MATLAB による画像処理 コンピュータビジョン MathWorks Japan アプリケーションエンジニアリング部シニアアプリケーションエンジニア大谷卓也 2012 The MathWorks, Inc. 1 Demo: 顔検出 画像から 人間の顔認識を行い 数のカウントを行う 2 Demo: MRI Analysis モンタージュ画像からの 3 次元構築 3 MATLAB/Simulink
Oracle Un お問合せ : Oracle Data Integrator 11g: データ統合設定と管理 期間 ( 標準日数 ):5 コースの概要 Oracle Data Integratorは すべてのデータ統合要件 ( 大量の高パフォーマンス バッチ ローブンの統合プロセスおよ
Oracle Un お問合せ : 0120- Oracle Data Integrator 11g: データ統合設定と管理 期間 ( 標準日数 ):5 コースの概要 Oracle Data Integratorは すべてのデータ統合要件 ( 大量の高パフォーマンス バッチ ローブンの統合プロセスおよびSOA 対応データ サービスへ ) を網羅する総合的なデータ統合プラットフォームです Oracle
EnSightのご紹介
オープン CAE シンポジウム 2014 汎用ポストプロセッサー EnSight の大規模データ対応 CEI ソフトウェア株式会社代表取締役吉川慈人 http://www.ceisoftware.co.jp/ 内容 大規模データで時間のかかる処理 クライアント サーバー機能 マルチスレッドによる並列処理 サーバーの分散処理 クライアントの分散処理 ( 分散レンダリング ) EnSightのOpenFOAMインターフェース
GTC Japan, 2018/09/14 得居誠也, Preferred Networks Chainer における 深層学習の高速化 Optimizing Deep Learning with Chainer
GTC Japan, 2018/09/14 得居誠也, Preferred Networks Chainer における 深層学習の高速化 Optimizing Deep Learning with Chainer Chainer のミッション Deep Learning とその応用の研究開発を加速させる 環境セットアップが速い すぐ習熟 素早いコーディング 実験の高速化 結果をさっと公開 論文化
Joint Content Development Proposal Tech Docs and Curriculum
徹底解説!Hortonworks が提供する次世代データプラットフォーム 蒋逸峰 & 河村康爾 Hortonworks October 10, 2017 1 Hortonworks Inc. 2011 2016. All Rights Reserved 総合的な管理 セキュリティやガバナンス ON-PREMISES CLOUD EDGE MULTI-WORKLOADS MULTI-TYPE MULTI-TIER
PowerPoint プレゼンテーション
次世代 IoT に向けた AI の組み込み実装への 取り組み AI の推論機能を FPGA に実装するための技術とソリューション提案 Embedded Product Business Development Department Agenda 1. エッジAIの現状 2. 組み込みAIのニーズ 3.FPGAとエッジAI 4. 組み込み向けエッジAI 実装の特性 (GPUとFPGA) 5. エッジAI
Microsoft Visual Studio 2010 Professional Data Sheet
Microsoft Visual Studio 2010 Professional はビジネスの要件やユーザ ーのニーズに最適なアプリケーションを選択し それを構築するために必須の機能を提供します RIA ベースのリッチな Web アプリケーション SharePoint ベースの高度な Web ポータル Windows Azure ベースのクラウドアプリケーションなど 最新テクノロジに対応したアプリケーションを既存の知識や経験を活かして開発することができます
Corp ENT 3C PPT Template Title
NetApp FAS シリーズ向け ストレージセキュリティのご紹介 ServerProtect for Storage on NetApp トレンドマイクロ株式会社 1 Copyright 2016 Trend Micro Incorporated. All rights reserved. Last Updated 2016/03/28 ServerProtect for Storage on NetApp
第 1 回ディープラーニング分散学習ハッカソン <ChainerMN 紹介 + スパコンでの実 法 > チューター福 圭祐 (PFN) 鈴 脩司 (PFN)
第 1 回ディープラーニング分散学習ハッカソン チューター福 圭祐 (PFN) 鈴 脩司 (PFN) https://chainer.org/ 2 Chainer: A Flexible Deep Learning Framework Define-and-Run Define-by-Run Define Define by Run Model
インテル® Parallel Studio XE 2019 Composer Edition for Fortran Windows 日本語版 : インストール・ガイド
インテル Parallel Studio XE 2019 Composer Edition for Fortran Windows 日本語版インストール ガイド エクセルソフト株式会社 Version 2.1.0-20190405 目次 1. はじめに.................................................................................
tokyo_t3.pdf
既存アプリを気軽にインテリジェント化 intra-mart の AI 基盤 IM-AI 新登場! IM-AI 基盤のご紹介 NTT データイントラマート デジタルビジネス事業推進室 高松大輔 2 アジェンダ 1 2 3 4 5 intra-martのai 基盤ご紹介 KNIMEについて活用例のご紹介今後の取り組みまとめ 3 1 intra-mart の AI 基盤ご紹介 4 intra-mart の
KSforWindowsServerのご紹介
Kaspersky Security for Windows Server のご紹介 ランサムウェアに対抗する アンチクリプター を搭載 株式会社カスペルスキー 製品本部 目次 1. サーバーセキュリティがなぜ重要か? 2. Kaspesky Security for Windows Server の概要 Kaspersky Security for Windows Server の特長 導入の効果
Microsoft PowerPoint - 【最終提出版】 MATLAB_EXPO2014講演資料_ルネサス菅原.pptx
MATLAB/Simulink を使用したモータ制御アプリのモデルベース開発事例 ルネサスエレクトロニクス株式会社 第二ソリューション事業本部産業第一事業部家電ソリューション部 Rev. 1.00 2014 Renesas Electronics Corporation. All rights reserved. IAAS-AA-14-0202-1 目次 1. はじめに 1.1 モデルベース開発とは?
PowerPoint プレゼンテーション
総務省 ICTスキル総合習得教材 概要版 eラーニング用 [ コース1] データ収集 1-5:API によるデータ収集と利活用 [ コース1] データ収集 [ コース2] データ蓄積 [ コース3] データ分析 [ コース4] データ利活用 1 2 3 4 5 座学本講座の学習内容 (1-5:API によるデータ収集と利活用 ) 講座概要 API の意味とイメージを 主に利用しているファイル形式と合わせて紹介します
Microsoft Word - HOKUSAI_system_overview_ja.docx
HOKUSAI システムの概要 1.1 システム構成 HOKUSAI システムは 超並列演算システム (GWMPC BWMPC) アプリケーション演算サーバ群 ( 大容量メモリ演算サーバ GPU 演算サーバ ) と システムの利用入口となるフロントエンドサーバ 用途の異なる 2 つのストレージ ( オンライン ストレージ 階層型ストレージ ) から構成されるシステムです 図 0-1 システム構成図
Microsoft Word - Dolphin Expressによる10Gbpソケット通信.docx
Dolphin Express による 10Gbps ソケット通信 Dolphin Express は 標準的な低価格のサーバを用いて 強力なクラスタリングシステムが構築できる ハードウェアとソフトウェアによる通信用アーキテクチャです 本資料では Dolphin Express 製品の概要と 実際にどの程度の性能が出るのか市販 PC での実験結果をご紹介します Dolphin Express 製品体系
“nice to meet you”
V-CUBE ビデオ 管理部分操作マニュアル 2010/12/28 株式会社ブイキューブ 目次 1 本マニュアルについて... 3 2 V-CUBE ビデオとは... 3 3 ログイン... 3 4 機能一覧... 4 4.1 ユーザ管理... 5 4.1.1 ユーザ追加... 6 4.1.2 ユーザ編集... 7 4.1.3 ユーザ情報の削除... 8 4.2 クリップ一覧... 9 4.2.1
WHITE PAPER RNN
WHITE PAPER RNN ii 1... 1 2 RNN?... 1 2.1 ARIMA... 1 2.2... 2 2.3 RNN Recurrent Neural Network... 3 3 RNN... 5 3.1 RNN... 6 3.2 RNN... 6 3.3 RNN... 7 4 SAS Viya RNN... 8 4.1... 9 4.2... 11 4.3... 15 5...
Apache Arrow 須藤功平株式会社クリアコード RubyData Tokyo Meetup Apache Arrow Powered by Rabbit 2.2.2
Apache Arrow 須藤功平株式会社クリアコード RubyData Tokyo Meetup 2018-11-17 Apache Arrow 各種言語で使えるインメモリーデータ処理プラットフォーム 提供するもの 高速なデータフォーマット 高速なデータ処理ロジック 各プロダクトで個別に実装するより一緒にいいものを実装して共有しよう! 効率的なデータ交換処理... 利用例 Apache Arrow
Qlik Sense のシステム要件
Qlik Sense のシステム要件 Qlik Sense February 2018 Copyright 1993-2018 QlikTech International AB. 無断複写 転載を禁じます Copyright 1993-2018 QlikTech International AB. All rights reserved. Qlik QlikTech Qlik Sense QlikView
SimulinkによるReal-Time Test環境の構築
Simulink モデルを使ったリアルタイムテスト環境の構築 MathWorks Japan アプリケーションエンジニアリング部シニアアプリケーションエンジニア高島博 2012 The MathWorks, Inc. 1 はじめに Simulink はバーチャルなテスト環境 2 はじめに Simulink はバーチャルなテスト環境 3 はじめに Simulink はバーチャルなテスト環境 シミュレーション開始ボタンをクリック
Deep Learning によるビッグデータ解析 ~ 手法や CUDA による高速化 2014 年 9 月 5 日 G-DEP ソリューションパートナー株式会社システム計画研究所奥村義和
Deep Learning によるビッグデータ解析 ~ 手法や CUDA による高速化 2014 年 9 月 5 日 G-DEP ソリューションパートナー株式会社システム計画研究所奥村義和 目次 DeepLearning と GPU G-DEP テストドライブ ビッグデータ GPU DeepLearning の接点 目次 DeepLearningとGPU DeepLearningとは 仕組みと計算
de:code 2019 CM04 Azure Kinect DK 徹底解説 ~ 進化したテクノロジーとその実装 ~ 技術統括室 千葉慎二 Ph.D.
de:code 2019 CM04 Azure Kinect DK 徹底解説 ~ 進化したテクノロジーとその実装 ~ 技術統括室 千葉慎二 Ph.D. Mixed Reality の全体像 Kinect はただのカメラではない 3D 空間の認識 ( 深度 ) 人の全身の動きをとらえる Azure Kinect Development Environment Azure Kinect DK 開発環境
Silk Central Connect 15.5 リリースノート
Silk Central Connect 15.5 リリースノート Micro Focus 575 Anton Blvd., Suite 510 Costa Mesa, CA 92626 Copyright Micro Focus 2014. All rights reserved. Silk Central Connect は Borland Software Corporation に由来する成果物を含んでいます,
ArcGIS for Server 機能比較表
10.1 ArcGIS 10.1 for Server 比較表 目次 ArcGIS 10.1 for Server 比較表... 1 はじめに... 1 比較表... 1 ArcGIS for Server の最適なとレベルの選択... 1 ArcGIS for Server のインストール... 3 詳細な比較表... 4 空間タイプをサポートするデータベースの使用... 4 ジオデータベース管理...
TVS-871T_P6_ RS_201508_(JPN)_web
Revolution は Intel の最新高帯域幅接続技術です 驚異的な 20Gbps の伝送速度を誇る は第 1 世代 Thunderbolt の 2 倍超の速さで USB 3 の 4 倍の速さでデータを転送します 1 直接接続ストレージ (DAS) 高性能 I/O スループット 主な応用シナリオ ストレージ技術 1 高度な拡張性 (++) 共有されました IP 設定の要らないプラグアンドプレ
自宅でＪａｖａ言語の開発環境を作る方法
自宅で Android アプリ 開発環境を作る方法 2011 年 3 月 8 日現在 あいあいスクール代表 畠茂雄 ( はたけしげお ) もくじ はじめに... 3 第 1 章 : 開発に必要なソフトウェアのインストール... 4 (1)Java SE Development Kit (JDK) のインストール... 5 (2)Android SDK のインストール... 11 (3) 統合開発環境
WiFiの現状
V1.0 2019/10/23 はじめての AI 用パソコン Tensorflow 学習編 (ubuntu 版 ) 抜粋版 スペクトラム テクノロジー株式会社 https://spectrum-tech.co.jp sales@spectrum-tech.co.jp all rights reserved 2019 spectrum technology co. 1 目次 ubuntu 運用マニュアル
スライド 1
カームコンピュータ株式会社 クラウド向けセキュリティ @SECURE/KeyShare-Encryption for Cloud Copyright 2010 Calm Computer Corporation All right reserved. 国の開発委託事業費により開発 @SECURE/KeyShere-Encryption for Cloud は経済産業省による 平成 22 23 年度産業技術開発委託費
Maser - User Operation Manual
Maser 3 Cell Innovation User Operation Manual 2013.4.1 1 目次 1. はじめに... 3 1.1. 推奨動作環境... 3 2. データの登録... 4 2.1. プロジェクトの作成... 4 2.2. Projectへのデータのアップロード... 8 2.2.1. HTTPSでのアップロード... 8 2.2.2. SFTPでのアップロード...
Presentation Title
外観検査のための画像処理 ディープラーニングワークフロー MathWorks Japan アプリケーションエンジニアリング部町田和也 2018 The MathWorks, Inc. 1 画像処理 ディープラーニングによるナットの良品判定アプリ 画像処理による内側のキズ検出 ディープラーニングによる分類 2 画像処理による外観検査の自動化 目盛りを読む良否判定数や大きさの測定 人が目で見て行う作業の置き換え
吉田坂本.pptx
Android 端末間のアドホックネットワークの構築 ユビキタスネットワークシステム研究室 N11-040 坂本浩基 N11-107 吉田和矢 All Rights Reserved, Copyright 2013 Osaka Institute of Technology 背景 l アドホックネットワーク 通信キャリアに頼らず構築することのできる無線ネットワーク 2 All Rights Reserved,
ビッグデータやクラウドのシステム基盤向けに処理性能を強化した「BladeSymphony」および「HA8000シリーズ」の新製品を販売開始
2013 年 9 月 19 日 株式会社日立製作所 ビッグデータやクラウドのシステム基盤向けに処理性能を強化した BladeSymphony および HA8000 シリーズ の新製品を販売開始 運用管理工数の削減を実現するサーバ管理ソフトウェア Hitachi Compute Systems Manager を標準添付 BS520H サーバブレード / PCI 拡張ブレード HA8000/RS220-h
OSSTechプレゼンテーション
Ver.3 ~ クラウド時代の ID 連携を支援する ~ オープンソース ソリューション テクノロジ株式会社 http://www.osstech.co.jp/ Copyright 2016 Open Source Solution Technology, Corp. 1 クラウド時代の ID 管理 1. 管理対象の分散化 オンプレミスとクラウドサービスの混在 システムごとの ID 管理 2. 3.
PowerPoint Presentation
ProjectLA バックエンドの技術解説 RDF を使った三つ組みデータの格納 2013/03/14 クラウド テクノロジー研究部会リーダー荒本道隆 ( アドソル日進株式会社 ) 何故 RDF か? 断片的なデータを相互につなぎたい RDFは主語 述語 目的語の三つ組構造で表現 目的語と主語に同じ値を設定して それぞれをつなぐ 属性を事前に決定できない RDFはスキーマレスなので 柔軟に対応できる
DocAve Lotus Notes Migrator v5_0 - Product Sheet
DocAve Notes/Domino 移行 for リリース日 :2008 年 9 月 8 日 TM の可能性を最大限に発揮 2007 へ高性能かつ自動的に コンテンツ移行 Microsoft は Web ベースのコラボレーティブなワークスペース構築のためのデファクト スタンダードとして また無数のドキュメントやその他のデジタルコンテンツを管理するための標準 的なオンラインリポジトリとして 急速に普及しつつあります
fse7_time_sample
NXPowerLite 7.1.16 ファイルサーバーエディション 軽量化処理時間について 株式会社オーシャンブリッジ 2018 年 1 月 18 日 FSE7116-20180118 マルチスレッド処理 バージョン 7.1.16 よりマルチスレッド処理に対応したことにより軽量化処理を同時並行させることが可能になりました 軽量化処理のスピードは従来通りですが 複数ファイルの並行処理が可能になったことで
PowerPoint プレゼンテーション
Scala( スカラ ) について 佐野尚之 1 本ドキュメントのライセンスについて この作品は クリエイティブ コモンズの Attribution 3.0 Unported ライセンスの下でライセンスされています この使用許諾条件を見るには http://creativecommons.org/licenses/by/3.0/ をチェックするか クリエイティブ コモンズに郵便にてお問い合わせください
SAS_user_2015_fukiya02
小さな組織が SAS Program のバージョン管理をするには. (Git,GitLab 及び Redmine を用いた _ プログラム開発環境整備の検討 ) 吹谷芳博株式会社エスアールディデータマネジメント統計解析室 How to manage version control of SAS programs in small organizations; Consideration of environmental
使える！ IBM Systems Director Navigator for i の新機能
使える! IBM Systems Director Navigator for i の 新機能 IBM Systems Director Navigator for i とは IBM i 6.1 から OS 標準機能として IBM i を管理するための新しい Web ベース ツール IBM Systems Director Navigator for i( 以下 Director Navigator)
PowerPoint プレゼンテーション
総務省 ICTスキル総合習得教材 概要版 eラーニング用 [ コース2] データ蓄積 2-5: 多様化が進展するクラウドサービス [ コース1] データ収集 [ コース2] データ蓄積 [ コース3] データ分析 [ コース4] データ利活用 1 2 3 4 5 座学本講座の学習内容 (2-5: 多様化が進展するクラウドサービス ) 講座概要 近年 注目されているクラウドの関連技術を紹介します PCやサーバを構成するパーツを紹介後
ic3_cf_p1-70_1018.indd
章オペレーティングシステム()の基いソフトウェアで 基本ソフトウェア とも呼ばれます 第礎第 章 オペレーティングシステム () の基礎 - の役割と動作 ここでは コンピューターの基本的な構成やオペレーティングシステムの基本的な役割と操作を学習します -- コンピューターの基本構成 現代社会では さまざまな種類のコンピューター機器が各分野で利用されています 身近なものでは パソコン タブレット スマートフォンなどがありますが
インテル® Parallel Studio XE 2019 Composer Edition for Fortran Windows : インストール・ガイド
インテル Parallel Studio XE 2019 Composer Edition for Fortran Windows インストール ガイド エクセルソフト株式会社 Version 1.0.0-20180918 目次 1. はじめに....................................................................................
アプライドの学校 法人様向け PC IT機器 事務家電情報カタログ 研究室のお役立ち アット ラボ L BO 2019 年 8 月 Vol.1 新 製 品 NEW! 機械学習 深層学習フレームワーク A I 開 発プラットフォーム ReNomプラットフォームは Deep Learningに留まらず
アプライドの学校 法人様向け PC IT機器 事務家電情報カタログ 研究室のお役立ち アット ラボ L BO 2019 年 8 月 Vol.1 新 製 品 NEW! 機械学習 深層学習フレームワーク A I 開 発プラットフォーム ReNomプラットフォームは Deep Learningに留まらず 機械学習や深層 強化学習などのアルゴリズムを組み合わせることで幅広い産業分野で活用 されており 非商用
ENI ファーマシー受信プログラム ユーザーズマニュアル Chapter1 受信プログラムのインストール方法 P.1-1 受信プログラムのシステム動作環境 P.1-2 受信プログラムをインストールする P.1-9 受信プログラムを起動してログインする P.1-11 ログインパスワードを変更する
ENI ファーマシー受信プログラム ユーザーズマニュアル P.1-1 受信プログラムのシステム動作環境 P.1-2 受信プログラムをインストールする P.1-9 受信プログラムを起動してログインする P.1-11 ログインパスワードを変更する 更新履歴 日付 頁数 更新内容 2016/ 4/18 - 新規作成 2016/ 5/30 P.4-7 "[ スタートアップの登録に失敗しました ] と表示されたとき
Zend Server 7 ライセンス情報 2014/12/09 株式会社イグアスソリューション事業部
Zend Server 7 ライセンス情報 2014/12/09 株式会社イグアスソリューション事業部 Zend Server の Edition 対比 ( サマリー ) En te rprise Pr o fe ssio n al Small B u sin e ss B asic 1 実行環境の履歴管理 〇 2 Java ブリッジ 〇 3 アプリケーションの HA 化 ( クラスタリング ) 4
IBM SPSS Statistics - Essentials for Python: のインストール手順 Mac OS
IBM SPSS Statistics - ssentials for Python: のインストール手順 Mac OS 概要 Mac OS オペレーティングシステムで IBM SPSS Statistics - ssentials for Python をインストールする手順を説明します IBM SPSS Statistics - ssentials for Python では IBM SPSS
2008 年度下期未踏 IT 人材発掘 育成事業採択案件評価書 1. 担当 PM 田中二郎 PM ( 筑波大学大学院システム情報工学研究科教授 ) 2. 採択者氏名チーフクリエータ : 矢口裕明 ( 東京大学大学院情報理工学系研究科創造情報学専攻博士課程三年次学生 ) コクリエータ : なし 3.
2008 年度下期未踏 IT 人材発掘 育成事業採択案件評価書 1. 担当 PM 田中二郎 PM ( 筑波大学大学院システム情報工学研究科教授 ) 2. 採択者氏名チーフクリエータ : 矢口裕明 ( 東京大学大学院情報理工学系研究科創造情報学専攻博士課程三年次学生 ) コクリエータ : なし 3. プロジェクト管理組織 株式会社オープンテクノロジーズ 4. 委託金支払額 3,000,000 円 5.
報道関係者各位 プレスリリース 2019 年 01 月 15 日 株式会社ネオジャパン グループウェア desknet's NEO バージョン 5.2 を 1 月 15 日に提供開始 ~ 業務アプリ作成ツール AppSuite との連携を強化 他にも AppSuite 連携 API 公開など多数の機
報道関係者各位 プレスリリース 2019 年 01 月 15 日 株式会社ネオジャパン グループウェア desknet's NEO バージョン 5.2 を 1 月 15 日に提供開始 ~ 業務アプリ作成ツール AppSuite との連携を強化 他にも AppSuite 連携 API 公開など多数の機能強化を実現 ~ 株式会社ネオジャパン ( 本社 : 神奈川県横浜市 代表取締役社長 : 齋藤晶議 )
TopSE並行システム はじめに
はじめに 平成 23 年 9 月 1 日 トップエスイープロジェクト 磯部祥尚 ( 産業技術総合研究所 ) 2 本講座の背景と目標 背景 : マルチコア CPU やクラウドコンピューティング等 並列 / 分散処理環境が身近なものになっている 複数のプロセス ( プログラム ) を同時に実行可能 通信等により複数のプロセスが協調可能 並行システムの構築 並行システム 通信 Proc2 プロセス ( プログラム
「RAD Studio XE5によるマルチ言語／マルチデバイス開発の進め方」
C1 Delphi/C++ チュートリアルセッション RAD Studio XE5 によるマルチ言語 / マルチデバイス開発の進め方 エンバカデロ テクノロジーズエヴァンジェリスト高橋智宏 アジェンダ RAD Studio XE5 の概要 Delphi or C++ Intel or ARM Windows / OS X / ios / Android プロジェクトとは? FireMonkey HD
商用監視ソフトウェアユーザの Zabbix 移行へ朗報 Zabbix Event Viewer のご紹介 【本邦初公開】
Zabbix フロントエンドをより使いやすく Premija Viewer for Zabbix のご紹介 オープンソースカンファレンス 2017.Enterprise 2017/12/08 SRA OSS, Inc. 日本支社 マーケティング部 OSS 技術グループ 1 アジェンダ 1. Premija Viewer for Zabbix ができるまで 2. Premija Viewer for
PowerPoint プレゼンテーション
Foundation アプライアンス スケーラブルシステムズ株式会社 サーバ クラスタの課題 複数のシステムを一つの だけで容易に管理することは出来ないだろうか? アプリケーションがより多くのメモリを必要とするのだけど ハードウエアの増設なしで対応出来ないだろうか? 現在の利用環境のまま 利用できるコア数やメモリサイズの増強を図ることは出来ないだろうか? 短時間で導入可能で また 必要に応じて 柔軟にシステム構成の変更が可能なソリューションは無いだろうか?...
PowerPoint Presentation
Magic xpaアプリケーション用 実行 運用監視ツール MagicPatrol のご紹介 マジックソフトウェア ジャパン株式会社 http://www.magicsoftware.com/ja Oct. 2018 Magic アプリケーション開発 実行環境の支援ツール群 複雑な帳票作成もこれで容易に 0.01mm 単位調整 豊富な作図機能 豊富なバーコード 複数レイヤ対応 スキャナ読込位置調整
高性能計算研究室の紹介 High Performance Computing Lab.
高性能計算研究室 (HPC Lab) の紹介 High Performance Computing Lab. 静岡理工科大学総合情報学部コンピュータシステム学科 ( 兼 Web デザイン特別プログラム ) 幸谷智紀 543 研究室 幸谷研究室 @ 静岡 検索 概要 1. 幸谷智紀 個人の研究テーマ 2. 3 年生ゼミ ( 情報セミナー II) 3. 卒研テーマ 4. 過去の卒研 5. 今後について