Submit Search
Upload
コード最適化と機械学習. DSIRNLP5 2014/1/11
•
0 likes
•
1,366 views
Yasunobu Sumikawa
Follow
Technology
Report
Share
Report
Share
1 of 18
Download now
Download to read offline
Recommended
SIGMOD'10勉強会 -Session 8-
SIGMOD'10勉強会 -Session 8-
Takeshi Yamamuro
20110611 v7unix-b
20110611 v7unix-b
Takayuki Ukai
V7リターンズ第1回B面資料です。
0から理解するニューラルネットアーキテクチャサーチ(NAS)
0から理解するニューラルネットアーキテクチャサーチ(NAS)
MasanoriSuganuma
NAS for CNN
論文紹介 "DARTS: Differentiable Architecture Search"
論文紹介 "DARTS: Differentiable Architecture Search"
Yuta Koreeda
Reading ML paper "DARTS: Differentiable Architecture Search" at Tensorflow User Group Tokyo (Japanese)
my sql-postgresql勉強会#6 LT 私的なPostgreSQLの楽しみ方
my sql-postgresql勉強会#6 LT 私的なPostgreSQLの楽しみ方
Toshi Harada
My code
My code
俊 中村
研究に使っているコードの紹介
[DL輪読会]AdaShare: Learning What To Share For Efficient Deep Multi-Task Learning
[DL輪読会]AdaShare: Learning What To Share For Efficient Deep Multi-Task Learning
Deep Learning JP
2019/12/13 Deep Learning JP: http://deeplearning.jp/seminar-2/
PyOpenCLによるGPGPU入門 Tokyo.SciPy#4 編
PyOpenCLによるGPGPU入門 Tokyo.SciPy#4 編
Yosuke Onoue
Recommended
SIGMOD'10勉強会 -Session 8-
SIGMOD'10勉強会 -Session 8-
Takeshi Yamamuro
20110611 v7unix-b
20110611 v7unix-b
Takayuki Ukai
V7リターンズ第1回B面資料です。
0から理解するニューラルネットアーキテクチャサーチ(NAS)
0から理解するニューラルネットアーキテクチャサーチ(NAS)
MasanoriSuganuma
NAS for CNN
論文紹介 "DARTS: Differentiable Architecture Search"
論文紹介 "DARTS: Differentiable Architecture Search"
Yuta Koreeda
Reading ML paper "DARTS: Differentiable Architecture Search" at Tensorflow User Group Tokyo (Japanese)
my sql-postgresql勉強会#6 LT 私的なPostgreSQLの楽しみ方
my sql-postgresql勉強会#6 LT 私的なPostgreSQLの楽しみ方
Toshi Harada
My code
My code
俊 中村
研究に使っているコードの紹介
[DL輪読会]AdaShare: Learning What To Share For Efficient Deep Multi-Task Learning
[DL輪読会]AdaShare: Learning What To Share For Efficient Deep Multi-Task Learning
Deep Learning JP
2019/12/13 Deep Learning JP: http://deeplearning.jp/seminar-2/
PyOpenCLによるGPGPU入門 Tokyo.SciPy#4 編
PyOpenCLによるGPGPU入門 Tokyo.SciPy#4 編
Yosuke Onoue
ディープラーニングフレームワーク とChainerの実装
ディープラーニングフレームワーク とChainerの実装
Ryosuke Okuta
PPL2016@岡山 ディープラーニングの研究開発時には、計算を支援するためのフレームワークが用いられる。ChainerはPython上で動くディープラーニングフレームワークの一つである。他の多くのフレームワークと異なり、順伝播処理を行った時の実行履歴情報をもとに逆伝播のグラフを動的に構築するdefine-by-runという方式を採用している。この方式により、分岐や再帰を含むような複雑な構造のネットワークも直感的に構築でき、加えてデバッグが容易である。また、CuPyと呼ばれるNumPyサブセットのCUDAによる行列演算ライブラリを作成し、バックエンドとして利用している。本講演では、ディープラーニングフレームワークの基礎と実装、そして課題についてChainerを通して説明する。
Awamoto master thesis
Awamoto master thesis
pflab
Awamoto master thesis
2012-04-25 ASPLOS2012出張報告(公開版)
2012-04-25 ASPLOS2012出張報告(公開版)
Takahiro Shinagawa
DAシンポジウム2019招待講演「深層学習モデルの高速なTraining/InferenceのためのHW/SW技術」 金子紘也hare
DAシンポジウム2019招待講演「深層学習モデルの高速なTraining/InferenceのためのHW/SW技術」 金子紘也hare
Preferred Networks
2019年8月28日に開催されたDAシンポジウムにおける招待講演資料です。 本資料では、深層学習モデルの高速なTraining/Inferenceを行うためのハードウェア及びソフトウェア技術について弊社の取り組みを交えて紹介しています。
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~
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~
NVIDIA Japan
2016年7月22日(金)名古屋にて開催の、NVIDIA のイベント Deep Learning Day #NVDLD 2016 Summer の資料です。 以下4つのことについて述べます。 ●ディープラーニングの現在 ●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
LPICレベル1技術解説セミナー(2012/11/11)
LPICレベル1技術解説セミナー(2012/11/11)
Kazuko Kanai
20120117 13 meister-elasti_cache-public
20120117 13 meister-elasti_cache-public
Amazon Web Services Japan
AWSマイスターシリーズのAmazon ElastiCacheの回の資料です。
サイバーエージェントにおけるMLOpsに関する取り組み at PyDataTokyo 23
サイバーエージェントにおけるMLOpsに関する取り組み at PyDataTokyo 23
Masashi Shibata
PyData.Tokyo Meetup #23 MLOps〜AIを社会に届ける技術での発表資料 https://pydatatokyo.connpass.com/event/210654/
Amazon ElastiCache - AWSマイスターシリーズ
Amazon ElastiCache - AWSマイスターシリーズ
SORACOM, INC
X86opti01 nothingcosmos
X86opti01 nothingcosmos
nothingcosmos
X86/X64最適化勉強会での紹介資料 コンパイラ系の簡単な紹介
LPICレベル1技術解説セミナー(2012/11/11)
LPICレベル1技術解説セミナー(2012/11/11)
Kazuko Itoda
ドメインロジックの実装方法とドメイン駆動設計
ドメインロジックの実装方法とドメイン駆動設計
Tadayoshi Sato
VLDB’11勉強会 -Session 9-
VLDB’11勉強会 -Session 9-
Takeshi Yamamuro
[db tech showcase Tokyo 2018] #dbts2018 #D15 『5年連続!第三者機関の評価で(圧倒的)最強のピュアストレージが...
[db tech showcase Tokyo 2018] #dbts2018 #D15 『5年連続!第三者機関の評価で(圧倒的)最強のピュアストレージが...
Insight Technology, Inc.
[db tech showcase Tokyo 2018] #dbts2018 #D15 『5年連続!第三者機関の評価で(圧倒的)最強のピュアストレージが、主にデータベース向けに何を考えてどんな新機能を実装しているのか、実際に案件担当しているSEが事例とデモをメインにお伝えします~2018~』 ピュア・ストレージ・ジャパン株式会社 - プリンシパル・システムズ・エンジニア 岩本 知博 (Kangsuk Chai) 氏
アドテク×Scala×パフォーマンスチューニング
アドテク×Scala×パフォーマンスチューニング
Yosuke Mizutani
アドテク×Scala meetup 2014-11-20 http://connpass.com/event/8384/
Panel Discussion@WebDB forum 2014
Panel Discussion@WebDB forum 2014
Makoto Yui
WebDB forum 2014の「ビッグデータ基盤技術の最前線」パネルで利用したスライドです
良いコードとは
良いコードとは
Nobuyuki Matsui
部内の新人研修用に作った資料です
xDB Replication ブローシャー
xDB Replication ブローシャー
Yuji Fujita
[AI05] 目指せ、最先端 AI 技術の実活用!Deep Learning フレームワーク 「Microsoft Cognitive Toolkit 」...
[AI05] 目指せ、最先端 AI 技術の実活用!Deep Learning フレームワーク 「Microsoft Cognitive Toolkit 」...
de:code 2017
Microsoft がオープンソース化し、今なお進化し続けている Deep Learning フレームワーク「Microsoft Cognitive Toolkit (CNTK)」その CNTK はすでに Microsoft の数々の実サービスにも利用されています。こちらのセッションではそんな CNTK を効率よく学び、新しい問題解決の手段を手に入れることにフォーカスしてお話しします。「CNTK の概要」、「活用方法をイメージするための実事例紹介」、「開発の始め方」、「GPU インスタンスを活用し高速に学習する方法」等のポイントについてご紹介し、皆さんの Deep Learning プロジェクトがロケット スタートできるようになることを目指します。 受講対象: アルゴリズムの難解な解説はいいから、プロジェクトで実際に Deep Learning を活用してみたい! という開発者、これから Deep Learning を始めたいデータ サイエンティストの方にお勧めのセッションです。データ分析の分野で広く使われている Python でのご紹介になります。 製品/テクノロジ: AI (人工知能)/Deep Learning (深層学習)/Machine Learning (機械学習)/Microsoft Azure 藤本 浩介 日本マイクロソフト株式会社 デベロッパー エバンジェリズム統括本部 エバンジェリスト
Software Development with Symfony
Software Development with Symfony
Atsuhiro Kubo
ハイブリッドクラウド研究会_Hyper-VとSystem Center Virtual Machine Manager セッションMM
ハイブリッドクラウド研究会_Hyper-VとSystem Center Virtual Machine Manager セッションMM
osamut
Hyper-V and SCVMM
ロジックから状態を分離する技術/設計ナイト2024 by わいとん @ytnobody
ロジックから状態を分離する技術/設計ナイト2024 by わいとん @ytnobody
azuma satoshi
設計ナイト2024にて発表した内容になります。
More Related Content
Similar to コード最適化と機械学習. DSIRNLP5 2014/1/11
ディープラーニングフレームワーク とChainerの実装
ディープラーニングフレームワーク とChainerの実装
Ryosuke Okuta
PPL2016@岡山 ディープラーニングの研究開発時には、計算を支援するためのフレームワークが用いられる。ChainerはPython上で動くディープラーニングフレームワークの一つである。他の多くのフレームワークと異なり、順伝播処理を行った時の実行履歴情報をもとに逆伝播のグラフを動的に構築するdefine-by-runという方式を採用している。この方式により、分岐や再帰を含むような複雑な構造のネットワークも直感的に構築でき、加えてデバッグが容易である。また、CuPyと呼ばれるNumPyサブセットのCUDAによる行列演算ライブラリを作成し、バックエンドとして利用している。本講演では、ディープラーニングフレームワークの基礎と実装、そして課題についてChainerを通して説明する。
Awamoto master thesis
Awamoto master thesis
pflab
Awamoto master thesis
2012-04-25 ASPLOS2012出張報告(公開版)
2012-04-25 ASPLOS2012出張報告(公開版)
Takahiro Shinagawa
DAシンポジウム2019招待講演「深層学習モデルの高速なTraining/InferenceのためのHW/SW技術」 金子紘也hare
DAシンポジウム2019招待講演「深層学習モデルの高速なTraining/InferenceのためのHW/SW技術」 金子紘也hare
Preferred Networks
2019年8月28日に開催されたDAシンポジウムにおける招待講演資料です。 本資料では、深層学習モデルの高速なTraining/Inferenceを行うためのハードウェア及びソフトウェア技術について弊社の取り組みを交えて紹介しています。
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~
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~
NVIDIA Japan
2016年7月22日(金)名古屋にて開催の、NVIDIA のイベント Deep Learning Day #NVDLD 2016 Summer の資料です。 以下4つのことについて述べます。 ●ディープラーニングの現在 ●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
LPICレベル1技術解説セミナー(2012/11/11)
LPICレベル1技術解説セミナー(2012/11/11)
Kazuko Kanai
20120117 13 meister-elasti_cache-public
20120117 13 meister-elasti_cache-public
Amazon Web Services Japan
AWSマイスターシリーズのAmazon ElastiCacheの回の資料です。
サイバーエージェントにおけるMLOpsに関する取り組み at PyDataTokyo 23
サイバーエージェントにおけるMLOpsに関する取り組み at PyDataTokyo 23
Masashi Shibata
PyData.Tokyo Meetup #23 MLOps〜AIを社会に届ける技術での発表資料 https://pydatatokyo.connpass.com/event/210654/
Amazon ElastiCache - AWSマイスターシリーズ
Amazon ElastiCache - AWSマイスターシリーズ
SORACOM, INC
X86opti01 nothingcosmos
X86opti01 nothingcosmos
nothingcosmos
X86/X64最適化勉強会での紹介資料 コンパイラ系の簡単な紹介
LPICレベル1技術解説セミナー(2012/11/11)
LPICレベル1技術解説セミナー(2012/11/11)
Kazuko Itoda
ドメインロジックの実装方法とドメイン駆動設計
ドメインロジックの実装方法とドメイン駆動設計
Tadayoshi Sato
VLDB’11勉強会 -Session 9-
VLDB’11勉強会 -Session 9-
Takeshi Yamamuro
[db tech showcase Tokyo 2018] #dbts2018 #D15 『5年連続!第三者機関の評価で(圧倒的)最強のピュアストレージが...
[db tech showcase Tokyo 2018] #dbts2018 #D15 『5年連続!第三者機関の評価で(圧倒的)最強のピュアストレージが...
Insight Technology, Inc.
[db tech showcase Tokyo 2018] #dbts2018 #D15 『5年連続!第三者機関の評価で(圧倒的)最強のピュアストレージが、主にデータベース向けに何を考えてどんな新機能を実装しているのか、実際に案件担当しているSEが事例とデモをメインにお伝えします~2018~』 ピュア・ストレージ・ジャパン株式会社 - プリンシパル・システムズ・エンジニア 岩本 知博 (Kangsuk Chai) 氏
アドテク×Scala×パフォーマンスチューニング
アドテク×Scala×パフォーマンスチューニング
Yosuke Mizutani
アドテク×Scala meetup 2014-11-20 http://connpass.com/event/8384/
Panel Discussion@WebDB forum 2014
Panel Discussion@WebDB forum 2014
Makoto Yui
WebDB forum 2014の「ビッグデータ基盤技術の最前線」パネルで利用したスライドです
良いコードとは
良いコードとは
Nobuyuki Matsui
部内の新人研修用に作った資料です
xDB Replication ブローシャー
xDB Replication ブローシャー
Yuji Fujita
[AI05] 目指せ、最先端 AI 技術の実活用!Deep Learning フレームワーク 「Microsoft Cognitive Toolkit 」...
[AI05] 目指せ、最先端 AI 技術の実活用!Deep Learning フレームワーク 「Microsoft Cognitive Toolkit 」...
de:code 2017
Microsoft がオープンソース化し、今なお進化し続けている Deep Learning フレームワーク「Microsoft Cognitive Toolkit (CNTK)」その CNTK はすでに Microsoft の数々の実サービスにも利用されています。こちらのセッションではそんな CNTK を効率よく学び、新しい問題解決の手段を手に入れることにフォーカスしてお話しします。「CNTK の概要」、「活用方法をイメージするための実事例紹介」、「開発の始め方」、「GPU インスタンスを活用し高速に学習する方法」等のポイントについてご紹介し、皆さんの Deep Learning プロジェクトがロケット スタートできるようになることを目指します。 受講対象: アルゴリズムの難解な解説はいいから、プロジェクトで実際に Deep Learning を活用してみたい! という開発者、これから Deep Learning を始めたいデータ サイエンティストの方にお勧めのセッションです。データ分析の分野で広く使われている Python でのご紹介になります。 製品/テクノロジ: AI (人工知能)/Deep Learning (深層学習)/Machine Learning (機械学習)/Microsoft Azure 藤本 浩介 日本マイクロソフト株式会社 デベロッパー エバンジェリズム統括本部 エバンジェリスト
Software Development with Symfony
Software Development with Symfony
Atsuhiro Kubo
Similar to コード最適化と機械学習. DSIRNLP5 2014/1/11
(20)
ディープラーニングフレームワーク とChainerの実装
ディープラーニングフレームワーク とChainerの実装
Awamoto master thesis
Awamoto master thesis
2012-04-25 ASPLOS2012出張報告(公開版)
2012-04-25 ASPLOS2012出張報告(公開版)
DAシンポジウム2019招待講演「深層学習モデルの高速なTraining/InferenceのためのHW/SW技術」 金子紘也hare
DAシンポジウム2019招待講演「深層学習モデルの高速なTraining/InferenceのためのHW/SW技術」 金子紘也hare
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~
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~
LPICレベル1技術解説セミナー(2012/11/11)
LPICレベル1技術解説セミナー(2012/11/11)
20120117 13 meister-elasti_cache-public
20120117 13 meister-elasti_cache-public
サイバーエージェントにおけるMLOpsに関する取り組み at PyDataTokyo 23
サイバーエージェントにおけるMLOpsに関する取り組み at PyDataTokyo 23
Amazon ElastiCache - AWSマイスターシリーズ
Amazon ElastiCache - AWSマイスターシリーズ
X86opti01 nothingcosmos
X86opti01 nothingcosmos
LPICレベル1技術解説セミナー(2012/11/11)
LPICレベル1技術解説セミナー(2012/11/11)
ドメインロジックの実装方法とドメイン駆動設計
ドメインロジックの実装方法とドメイン駆動設計
VLDB’11勉強会 -Session 9-
VLDB’11勉強会 -Session 9-
[db tech showcase Tokyo 2018] #dbts2018 #D15 『5年連続!第三者機関の評価で(圧倒的)最強のピュアストレージが...
[db tech showcase Tokyo 2018] #dbts2018 #D15 『5年連続!第三者機関の評価で(圧倒的)最強のピュアストレージが...
アドテク×Scala×パフォーマンスチューニング
アドテク×Scala×パフォーマンスチューニング
Panel Discussion@WebDB forum 2014
Panel Discussion@WebDB forum 2014
良いコードとは
良いコードとは
xDB Replication ブローシャー
xDB Replication ブローシャー
[AI05] 目指せ、最先端 AI 技術の実活用!Deep Learning フレームワーク 「Microsoft Cognitive Toolkit 」...
[AI05] 目指せ、最先端 AI 技術の実活用!Deep Learning フレームワーク 「Microsoft Cognitive Toolkit 」...
Software Development with Symfony
Software Development with Symfony
Recently uploaded
ハイブリッドクラウド研究会_Hyper-VとSystem Center Virtual Machine Manager セッションMM
ハイブリッドクラウド研究会_Hyper-VとSystem Center Virtual Machine Manager セッションMM
osamut
Hyper-V and SCVMM
ロジックから状態を分離する技術/設計ナイト2024 by わいとん @ytnobody
ロジックから状態を分離する技術/設計ナイト2024 by わいとん @ytnobody
azuma satoshi
設計ナイト2024にて発表した内容になります。
【JSAI2024】LLMエージェントの人間との対話における反芻的返答の親近感向上効果_v1.1.pdf
【JSAI2024】LLMエージェントの人間との対話における反芻的返答の親近感向上効果_v1.1.pdf
ARISE analytics
人工知能学会 全国大会 (JSAI2024) で行ったポスター発表の内容です。
ヒアラブルへの入力を想定したユーザ定義型ジェスチャ調査と IMUセンサによる耳タッチジェスチャの認識
ヒアラブルへの入力を想定したユーザ定義型ジェスチャ調査と IMUセンサによる耳タッチジェスチャの認識
sugiuralab
インタラクション2024
Humanoid Virtual Athletics Challenge2024 技術講習会 スライド
Humanoid Virtual Athletics Challenge2024 技術講習会 スライド
tazaki1
HVAC2024第1回 技術講習会 スライド
生成AIがもたらすコンテンツ経済圏の新時代 The New Era of Content Economy Brought by Generative AI
生成AIがもたらすコンテンツ経済圏の新時代 The New Era of Content Economy Brought by Generative AI
Osaka University
、コンテンツ制作の主体をプロのクリエーターからユーザーへと移行させている現状をご存じの方も多いでしょう。現在、画像コンテンツ制作現場では生成AIがクリエーターを支援するツールとして利用されています。セミナーでは、画像生成における自動化の境界についての議論が予定されています。 AIの利用には著作権や倫理的な問題も伴いますが、クリエーターとAIが共存し、センシング技術と統合することで新しい形のコンテンツが生み出されることが期待されています。
「進化するアプリ イマ×ミライ ~生成AIアプリへ続く道と新時代のアプリとは~」Interop24Tokyo APPS JAPAN B1-01講演
「進化するアプリ イマ×ミライ ~生成AIアプリへ続く道と新時代のアプリとは~」Interop24Tokyo APPS JAPAN B1-01講演
嶋 是一 (Yoshikazu SHIMA)
進化するアプリ イマ×ミライ ~生成AIアプリへ続く道と新時代のアプリとは~ 2024/6/12~14まで幕張メッセで開催されました、インターロップ併設アプリジャパンの展示会場内ROOM Bで、10:30~11:10の枠で登壇させてもらいましたセッション資料を公開します。
iMacwoSu_Gong_de_barabaranishitaHua_.pptx
iMacwoSu_Gong_de_barabaranishitaHua_.pptx
kitamisetagayaxxx
MacWorldTokyo
協働AIがもたらす業務効率革命 -日本企業が押さえるべきポイント-Collaborative AI Revolutionizing Busines...
協働AIがもたらす業務効率革命 -日本企業が押さえるべきポイント-Collaborative AI Revolutionizing Busines...
Osaka University
AIの進化により、自動化、最適化、予測など、多くの業務プロセスが大きく変わりつつあります。しかし、その可能性を最大限に引き出すためには、AIを理解し、適切に活用するための新たな働き方が求められます。本セミナーでは、生成AIが業務プロセスの自動化や意思決定の高速化など、業務効率化にどのように貢献しているのか、さらに生成AIとリモートワークの組み合わせが、従業員の生産性向上にどのように結びつくのかを解説します。
無形価値を守り育てる社会における「デー タ」の責務について - Atlas, Inc.
無形価値を守り育てる社会における「デー タ」の責務について - Atlas, Inc.
Yuki Miyazaki
AI/IT系の会社だと「データ」は商売道具の一つかと思いますが、その「データ」って今の社会で一体どんな価値を持っていて、今後どのような責務を担わせるのが健全なのだろうか?という思考の発散をしてみました。 ※喋りメインだったのでスライドだけだと内容薄いと思います, 気になった方はhttps://x.com/wox_aiまで。
Recently uploaded
(10)
ハイブリッドクラウド研究会_Hyper-VとSystem Center Virtual Machine Manager セッションMM
ハイブリッドクラウド研究会_Hyper-VとSystem Center Virtual Machine Manager セッションMM
ロジックから状態を分離する技術/設計ナイト2024 by わいとん @ytnobody
ロジックから状態を分離する技術/設計ナイト2024 by わいとん @ytnobody
【JSAI2024】LLMエージェントの人間との対話における反芻的返答の親近感向上効果_v1.1.pdf
【JSAI2024】LLMエージェントの人間との対話における反芻的返答の親近感向上効果_v1.1.pdf
ヒアラブルへの入力を想定したユーザ定義型ジェスチャ調査と IMUセンサによる耳タッチジェスチャの認識
ヒアラブルへの入力を想定したユーザ定義型ジェスチャ調査と IMUセンサによる耳タッチジェスチャの認識
Humanoid Virtual Athletics Challenge2024 技術講習会 スライド
Humanoid Virtual Athletics Challenge2024 技術講習会 スライド
生成AIがもたらすコンテンツ経済圏の新時代 The New Era of Content Economy Brought by Generative AI
生成AIがもたらすコンテンツ経済圏の新時代 The New Era of Content Economy Brought by Generative AI
「進化するアプリ イマ×ミライ ~生成AIアプリへ続く道と新時代のアプリとは~」Interop24Tokyo APPS JAPAN B1-01講演
「進化するアプリ イマ×ミライ ~生成AIアプリへ続く道と新時代のアプリとは~」Interop24Tokyo APPS JAPAN B1-01講演
iMacwoSu_Gong_de_barabaranishitaHua_.pptx
iMacwoSu_Gong_de_barabaranishitaHua_.pptx
協働AIがもたらす業務効率革命 -日本企業が押さえるべきポイント-Collaborative AI Revolutionizing Busines...
協働AIがもたらす業務効率革命 -日本企業が押さえるべきポイント-Collaborative AI Revolutionizing Busines...
無形価値を守り育てる社会における「デー タ」の責務について - Atlas, Inc.
無形価値を守り育てる社会における「デー タ」の責務について - Atlas, Inc.
コード最適化と機械学習. DSIRNLP5 2014/1/11
1.
コード最適化と機械学習 澄川 靖信 @sumi_1554 2014/1/11 DSIRNLP 5 1
2.
今日の内容 興味がある研究について話します. 1. コンパイラのコード最適化 私の修士論文の内容について説明した後, 現在の研究のざっくりしたテーマを話します. 2. 機械学習のクラスタリングと分類器 2
3.
大域ロード命令集約(GLIA)(修論) キャッシュメモリのヒット率を向上 同じ配列へのアクセスを連続させる → メモリの空間的局所性を向上 結果 (ベンチマーク:
SPEC2000) 実行効率: 最大で約12.9%の向上 キャッシュヒット率 L2: 最大で約17%向上 L3: 最大で約99%向上 3
4.
大域ロード命令集約(GLIA) x = a[i] y
= b[i] z = a[i+1] 命令の実行順序 を表すグラフ キャッシュメモリ 保存している データを表す 4
5.
大域ロード命令集約(GLIA) この命令 を実行 x = a[i] y
= b[i] z = a[i+1] キャッシュヒットす る事が期待できる a[i] a[i+1] キャッシュメモリ 5
6.
大域ロード命令集約(GLIA) x = a[i] y
= b[i] z = a[i+1] b[i] a[i+1]の 追い出し b[i+1] キャッシュメモリ 6
7.
大域ロード命令集約(GLIA) x = a[i] y
= b[i] z = a[i+1] キャッシュ ミス b[i] b[i+1] キャッシュメモリ 7
8.
大域ロード命令集約(GLIA) x = a[i] レジスタスピルを 防ぐための移動 t
= a[i+1] キャッシュミスを 防ぐための移動 y = b[i] z=t 8
9.
コンパイラの研究での興味 ハードウェアを考慮した最適化 キーワード キャッシュメモリ レジスタ
コード移動 9
10.
MLで興味がある内容 クラスタリング,分類器 MDS K近傍 ナイーブベイジアン分類器 SVM 蟻コロニー最適化 など 10
11.
蟻コロニー最適化 蟻の群れによって解を求める. 蟻は,餌を巣に持ち帰るとき, 帰り道上にフェロモンを置く. → 他の蟻に餌のある場所を間接的に教える. 11
12.
蟻コロニー最適化 蟻の群れによって解を求める. データマイニングに適用可. AntMiner*が初期の手法 * 分類を行う. SVMに匹敵する結果が得られる場合もある. 改良版(AntMiner2, AntMiner+)も提案されている. Parpinelli et
al. An ant colony based system for data mining, GECCO, 2001) 12
13.
MLの勉強している(知りたい)こと 教師あり学習 データ数はどのぐらい必要? SVMなど用いた場合,過学習が起こりそうな状況は? もっとよい他の分類・クラスタリングがあるか? 現状:入門 機械学習,自然言語処理,言語処理のための機 械学習で勉強しながら,Weka等で遊んでいる Web分類や特徴抽出に関する論文のサーベイはこれから 13
14.
まとめ コンパイラの興味 MLの興味 キャッシュ,レジスタの効率向上 GLIA クラスタリング,分類器 注目している研究 蟻コロニー最適化 GLIAと組合わせるとおもしろいかも 14
15.
補足資料 15
16.
蟻コロニー最適化 条件となる変数とその値をグラフで表現 条件:性別,預金など. グラフ上を蟻が歩く 最も質の高い経路を通った蟻だけが, 餌を見つけたとする. 16
17.
蟻コロニー最適化 例:銀行で融資すべきではない人の特徴を知 りたい Class bad Term Term male start Sex 1 1 end female 5 5 any 20 20 17
18.
蟻コロニー最適化 最も“質の高い”経路を歩いた蟻に注目 フェロモン値の更新 結果:貯金が5万円以上20万未満の男はダメ Class bad 最も質の高い 経路とする. Term Term male start Sex 1 1 end female 5 5 any 20 20 18
Download now