Submit Search
Upload
ディープラーニングをいつやるか?~今でしょ!
•
1 like
•
1,158 views
Tak Izaki
Follow
eLV勉強会、OpenCloudHPC #1のLTで使った資料
Read less
Read more
Presentations & Public Speaking
Report
Share
Report
Share
1 of 18
Download now
Download to read offline
Recommended
NVIDIA deep learning最新情報in沖縄
NVIDIA deep learning最新情報in沖縄
Tak Izaki
MII conference177 nvidia
MII conference177 nvidia
Tak Izaki
IEEE ITSS Nagoya Chapter NVIDIA
IEEE ITSS Nagoya Chapter NVIDIA
Tak Izaki
Deep Q-Network for beginners
Deep Q-Network for beginners
Etsuji Nakai
インタークラウドを実現する技術 〜 デファクトスタンダードからの視点 〜
インタークラウドを実現する技術 〜 デファクトスタンダードからの視点 〜
Etsuji Nakai
Chainer v1.6からv1.7の新機能
Chainer v1.6からv1.7の新機能
Ryosuke Okuta
Your first TensorFlow programming with Jupyter
Your first TensorFlow programming with Jupyter
Etsuji Nakai
A Brief History of My English Learning
A Brief History of My English Learning
Etsuji Nakai
Recommended
NVIDIA deep learning最新情報in沖縄
NVIDIA deep learning最新情報in沖縄
Tak Izaki
MII conference177 nvidia
MII conference177 nvidia
Tak Izaki
IEEE ITSS Nagoya Chapter NVIDIA
IEEE ITSS Nagoya Chapter NVIDIA
Tak Izaki
Deep Q-Network for beginners
Deep Q-Network for beginners
Etsuji Nakai
インタークラウドを実現する技術 〜 デファクトスタンダードからの視点 〜
インタークラウドを実現する技術 〜 デファクトスタンダードからの視点 〜
Etsuji Nakai
Chainer v1.6からv1.7の新機能
Chainer v1.6からv1.7の新機能
Ryosuke Okuta
Your first TensorFlow programming with Jupyter
Your first TensorFlow programming with Jupyter
Etsuji Nakai
A Brief History of My English Learning
A Brief History of My English Learning
Etsuji Nakai
「TensorFlow Tutorialの数学的背景」 クイックツアー(パート1)
「TensorFlow Tutorialの数学的背景」 クイックツアー(パート1)
Etsuji Nakai
Open Shift v3 主要機能と内部構造のご紹介
Open Shift v3 主要機能と内部構造のご紹介
Etsuji Nakai
Machine Learning Basics for Web Application Developers
Machine Learning Basics for Web Application Developers
Etsuji Nakai
NumPy闇入門
NumPy闇入門
Ryosuke Okuta
Life with jupyter
Life with jupyter
Etsuji Nakai
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
Exploring the Philosophy behind Docker/Kubernetes/OpenShift
Exploring the Philosophy behind Docker/Kubernetes/OpenShift
Etsuji Nakai
DevOpsにおける組織に固有の事情を どのように整理するべきか
DevOpsにおける組織に固有の事情を どのように整理するべきか
Etsuji Nakai
Deep Learningを用いたロボット制御
Deep Learningを用いたロボット制御
Ryosuke Okuta
Using Kubernetes on Google Container Engine
Using Kubernetes on Google Container Engine
Etsuji Nakai
TensorFlowで学ぶDQN
TensorFlowで学ぶDQN
Etsuji Nakai
TensorFlowによるニューラルネットワーク入門
TensorFlowによるニューラルネットワーク入門
Etsuji Nakai
Docker活用パターンの整理 ― どう組み合わせるのが正解?!
Docker活用パターンの整理 ― どう組み合わせるのが正解?!
Etsuji Nakai
TensorFlowプログラミングと分類アルゴリズムの基礎
TensorFlowプログラミングと分類アルゴリズムの基礎
Etsuji Nakai
Spannerに関する技術メモ
Spannerに関する技術メモ
Etsuji Nakai
CuPy解説
CuPy解説
Ryosuke Okuta
音声認識と深層学習
音声認識と深層学習
Preferred Networks
scikit-learnを用いた機械学習チュートリアル
scikit-learnを用いた機械学習チュートリアル
敦志 金谷
Chainerチュートリアル -v1.5向け- ViEW2015
Chainerチュートリアル -v1.5向け- ViEW2015
Ryosuke Okuta
More Related Content
Viewers also liked
「TensorFlow Tutorialの数学的背景」 クイックツアー(パート1)
「TensorFlow Tutorialの数学的背景」 クイックツアー(パート1)
Etsuji Nakai
Open Shift v3 主要機能と内部構造のご紹介
Open Shift v3 主要機能と内部構造のご紹介
Etsuji Nakai
Machine Learning Basics for Web Application Developers
Machine Learning Basics for Web Application Developers
Etsuji Nakai
NumPy闇入門
NumPy闇入門
Ryosuke Okuta
Life with jupyter
Life with jupyter
Etsuji Nakai
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
Exploring the Philosophy behind Docker/Kubernetes/OpenShift
Exploring the Philosophy behind Docker/Kubernetes/OpenShift
Etsuji Nakai
DevOpsにおける組織に固有の事情を どのように整理するべきか
DevOpsにおける組織に固有の事情を どのように整理するべきか
Etsuji Nakai
Deep Learningを用いたロボット制御
Deep Learningを用いたロボット制御
Ryosuke Okuta
Using Kubernetes on Google Container Engine
Using Kubernetes on Google Container Engine
Etsuji Nakai
TensorFlowで学ぶDQN
TensorFlowで学ぶDQN
Etsuji Nakai
TensorFlowによるニューラルネットワーク入門
TensorFlowによるニューラルネットワーク入門
Etsuji Nakai
Docker活用パターンの整理 ― どう組み合わせるのが正解?!
Docker活用パターンの整理 ― どう組み合わせるのが正解?!
Etsuji Nakai
TensorFlowプログラミングと分類アルゴリズムの基礎
TensorFlowプログラミングと分類アルゴリズムの基礎
Etsuji Nakai
Spannerに関する技術メモ
Spannerに関する技術メモ
Etsuji Nakai
CuPy解説
CuPy解説
Ryosuke Okuta
音声認識と深層学習
音声認識と深層学習
Preferred Networks
scikit-learnを用いた機械学習チュートリアル
scikit-learnを用いた機械学習チュートリアル
敦志 金谷
Chainerチュートリアル -v1.5向け- ViEW2015
Chainerチュートリアル -v1.5向け- ViEW2015
Ryosuke Okuta
Viewers also liked
(19)
「TensorFlow Tutorialの数学的背景」 クイックツアー(パート1)
「TensorFlow Tutorialの数学的背景」 クイックツアー(パート1)
Open Shift v3 主要機能と内部構造のご紹介
Open Shift v3 主要機能と内部構造のご紹介
Machine Learning Basics for Web Application Developers
Machine Learning Basics for Web Application Developers
NumPy闇入門
NumPy闇入門
Life with jupyter
Life with jupyter
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
Exploring the Philosophy behind Docker/Kubernetes/OpenShift
Exploring the Philosophy behind Docker/Kubernetes/OpenShift
DevOpsにおける組織に固有の事情を どのように整理するべきか
DevOpsにおける組織に固有の事情を どのように整理するべきか
Deep Learningを用いたロボット制御
Deep Learningを用いたロボット制御
Using Kubernetes on Google Container Engine
Using Kubernetes on Google Container Engine
TensorFlowで学ぶDQN
TensorFlowで学ぶDQN
TensorFlowによるニューラルネットワーク入門
TensorFlowによるニューラルネットワーク入門
Docker活用パターンの整理 ― どう組み合わせるのが正解?!
Docker活用パターンの整理 ― どう組み合わせるのが正解?!
TensorFlowプログラミングと分類アルゴリズムの基礎
TensorFlowプログラミングと分類アルゴリズムの基礎
Spannerに関する技術メモ
Spannerに関する技術メモ
CuPy解説
CuPy解説
音声認識と深層学習
音声認識と深層学習
scikit-learnを用いた機械学習チュートリアル
scikit-learnを用いた機械学習チュートリアル
Chainerチュートリアル -v1.5向け- ViEW2015
Chainerチュートリアル -v1.5向け- ViEW2015
ディープラーニングをいつやるか?~今でしょ!
1.
エヌビディア合同会社 井﨑 武士 ディープラーニングをいつやるか? ~ 今でしょ!
2.
表情による感情認識 http://www.affectiva.com/ http://www.emotient.com/
3.
映像監視 https://www.camio.com/home/
4.
医療分野~予防 頭蓋内出血 潜在的な頭蓋内出血箇所の特定 3000万人の患者の頭部CT画像を用 いて学習 http://www.vrad.com/
5.
Yahoo! Japan スマートフォン向け分散型音声認識 語彙数100万語(音声検索や音声対話向け) 2011年3月サービス開始 iOS, Android向けアプリ(18個、2015年9月現在)で導入済み YJVOICE音声認識サービス GTC
Japan 2015 講演資料
6.
フェアリーデバイセズ フェアリーデバイセズホームページより Sharpホームページより
7.
自然言語処理 DEEP LEARNING DAY2016講演資料 https://images.nvidia.com/content/ APAC/events/deep-learning-day- 2016-jp/NV-DL-User-Cases.pdf#56 ニコニコのコメント分析の難しさ
コメント識別器 https://images.nvidia.com/c ontent/APAC/events/deep- learning-day-2016-jp/NV- DL-User-Cases.pdf#87
8.
アルゴ取引への応用例 https://images.nvidia.com/content/APAC/events/dee p-learning-day-2016-jp/NV-DL-User-Cases.pdf#111 DEEP LEARNING DAY2016講演資料
9.
製造業への応用 MONOist より 8時間の学習で90%の取得率達成 (熟練者のチューニングに匹敵) DEEP LEARNING
DAY2016講演資料
10.
どんどん広がるディープラーニング 画像・音声・センサなどのビッグデータから認識・分析・予測 画像クラス分け・オブジェクト検出 顔認識・セキュリティ 音声認識・自然言語処理 自動運転
メディカルイメージング・バイオ ロボット・ドローン
11.
ディープラーニングを加速する3つの要因 “The GPU is
the workhorse of modern A.I.” ビッグデータ GPUDNN
12.
典型的なネットワーク例 多量なトレーニングデータと多数の行列演算 目的 顔認識 トレーニングデータ 1,000万~1億イメージ ネットワークアーキテクチャ 10 層 10 億パラメータ ラーニングアルゴリズム 30
エクサフロップスの計算量 GPU を利用して30日
13.
TESLA M40 世界最速のディープラーニング アクセラレーター 0 1
2 3 4 5 6 7 8 9 Tesla M40 CPU 8倍高速 Caffe パフォーマンス # of Days Caffe Benchmark: AlexNet training throughput based on 20 iterations, CPU: E5-2697v2 @ 2.70GHz. 64GB System Memory, CentOS 6.2 CUDA コア 3072 理論ピーク性能 7 TFLOPS GDDR5 メモリ 12 GB メモリバンド幅 288 GB/s 消費電力 250W トレーニングにかかる時間を8日から1日へ短縮
14.
DLトレーニングシステム Caffe Theano Torch GPUs Chainer DLフレームワーク DLアプリケーション Tensor Flow
15.
DLトレーニングシステム Caffe Theano Torch GPUs Chainer DLフレームワーク DLアプリケーション Tensor Flow cuBLAS,
cuSPARSE, cuDNN
16.
大学 スタートアップ CNTKTENSORFLOW DL4J あらゆるフレームワークを GPU で最適化 NVIDIA
GPU プラットフォーム *U. Washington, CMU, Stanford, TuSimple, NYU, Microsoft, U. Alberta, MIT, NYU Shanghai VITRUVIAN SCHULTS LABORATORIES TORCH THEANO CAFFE MATCONVNET PURINEMOCHA.JL MINERVA MXNET* CHAINER BIG SUR WATSON OPENDEEPKERAS
17.
17 ディープラーニングをいつやるか? 今でしょう!
Download now