Enviar búsqueda
Cargar
カーネルとは
•
0 recomendaciones
•
1,028 vistas
M
mao999
Seguir
カーネルもくもく会@松山 #1 Opening
Leer menos
Leer más
Ingeniería
Denunciar
Compartir
Denunciar
Compartir
1 de 17
Descargar ahora
Descargar para leer sin conexión
Recomendados
Jupyterカーネルを魔改造した話
Jupyterカーネルを魔改造した話
Amazon Web Services Japan
AI初心者だった私が E資格取得して専門職に転職した話
AI初心者だった私が E資格取得して専門職に転職した話
川上 詩織
リクルートにおける画像解析事例紹介
リクルートにおける画像解析事例紹介
Recruit Technologies
Cosine Based Softmax による Metric Learning が上手くいく理由
Cosine Based Softmax による Metric Learning が上手くいく理由
tancoro
Triplet Loss 徹底解説
Triplet Loss 徹底解説
tancoro
Word Tour: One-dimensional Word Embeddings via the Traveling Salesman Problem...
Word Tour: One-dimensional Word Embeddings via the Traveling Salesman Problem...
joisino
画像認識の初歩、SIFT,SURF特徴量
画像認識の初歩、SIFT,SURF特徴量
takaya imai
機械学習応用システムの安全性の研究動向と今後の展望
機械学習応用システムの安全性の研究動向と今後の展望
Nobukazu Yoshioka
Recomendados
Jupyterカーネルを魔改造した話
Jupyterカーネルを魔改造した話
Amazon Web Services Japan
AI初心者だった私が E資格取得して専門職に転職した話
AI初心者だった私が E資格取得して専門職に転職した話
川上 詩織
リクルートにおける画像解析事例紹介
リクルートにおける画像解析事例紹介
Recruit Technologies
Cosine Based Softmax による Metric Learning が上手くいく理由
Cosine Based Softmax による Metric Learning が上手くいく理由
tancoro
Triplet Loss 徹底解説
Triplet Loss 徹底解説
tancoro
Word Tour: One-dimensional Word Embeddings via the Traveling Salesman Problem...
Word Tour: One-dimensional Word Embeddings via the Traveling Salesman Problem...
joisino
画像認識の初歩、SIFT,SURF特徴量
画像認識の初歩、SIFT,SURF特徴量
takaya imai
機械学習応用システムの安全性の研究動向と今後の展望
機械学習応用システムの安全性の研究動向と今後の展望
Nobukazu Yoshioka
Swin Transformer (ICCV'21 Best Paper) を完璧に理解する資料
Swin Transformer (ICCV'21 Best Paper) を完璧に理解する資料
Yusuke Uchida
【DL輪読会】Visual ChatGPT: Talking, Drawing and Editing with Visual Foundation Mo...
【DL輪読会】Visual ChatGPT: Talking, Drawing and Editing with Visual Foundation Mo...
Deep Learning JP
物体検出の歴史(R-CNNからSSD・YOLOまで)
物体検出の歴史(R-CNNからSSD・YOLOまで)
HironoriKanazawa
全力解説!Transformer
全力解説!Transformer
Arithmer Inc.
Towards Performant Video Recognition
Towards Performant Video Recognition
cvpaper. challenge
PythonによるCVアルゴリズム実装
PythonによるCVアルゴリズム実装
Hirokatsu Kataoka
Optunaを使ったHuman-in-the-loop最適化の紹介 - 2023/04/27 W&B 東京ミートアップ #3
Optunaを使ったHuman-in-the-loop最適化の紹介 - 2023/04/27 W&B 東京ミートアップ #3
Preferred Networks
(修正)機械学習デザインパターン(ML Design Patterns)の解説
(修正)機械学習デザインパターン(ML Design Patterns)の解説
Hironori Washizaki
研究法(Claimとは)
研究法(Claimとは)
Jun Rekimoto
先駆者に学ぶ MLOpsの実際
先駆者に学ぶ MLOpsの実際
Tetsutaro Watanabe
Sift特徴量について
Sift特徴量について
la_flance
教師なし画像特徴表現学習の動向 {Un, Self} supervised representation learning (CVPR 2018 完全読破...
教師なし画像特徴表現学習の動向 {Un, Self} supervised representation learning (CVPR 2018 完全読破...
cvpaper. challenge
文字認識はCNNで終わるのか?
文字認識はCNNで終わるのか?
Seiichi Uchida
Machine learning CI/CD with OSS
Machine learning CI/CD with OSS
yusuke shibui
ChatGPT 人間のフィードバックから強化学習した対話AI
ChatGPT 人間のフィードバックから強化学習した対話AI
Shota Imai
組合せ最適化入門:線形計画から整数計画まで
組合せ最適化入門:線形計画から整数計画まで
Shunji Umetani
Python に行く前に Excel で学ぶデータ分析のいろは
Python に行く前に Excel で学ぶデータ分析のいろは
Daiyu Hatakeyama
機械学習のためのベイズ最適化入門
機械学習のためのベイズ最適化入門
hoxo_m
渡辺澄夫著「ベイズ統計の理論と方法」5.1 マルコフ連鎖モンテカルロ法
渡辺澄夫著「ベイズ統計の理論と方法」5.1 マルコフ連鎖モンテカルロ法
Kenichi Hironaka
(DL輪読)Variational Dropout Sparsifies Deep Neural Networks
(DL輪読)Variational Dropout Sparsifies Deep Neural Networks
Masahiro Suzuki
Kernel entrance to-geek-
Kernel entrance to-geek-
mao999
4章 Linuxカーネル - 割り込み・例外 5
4章 Linuxカーネル - 割り込み・例外 5
mao999
Más contenido relacionado
La actualidad más candente
Swin Transformer (ICCV'21 Best Paper) を完璧に理解する資料
Swin Transformer (ICCV'21 Best Paper) を完璧に理解する資料
Yusuke Uchida
【DL輪読会】Visual ChatGPT: Talking, Drawing and Editing with Visual Foundation Mo...
【DL輪読会】Visual ChatGPT: Talking, Drawing and Editing with Visual Foundation Mo...
Deep Learning JP
物体検出の歴史(R-CNNからSSD・YOLOまで)
物体検出の歴史(R-CNNからSSD・YOLOまで)
HironoriKanazawa
全力解説!Transformer
全力解説!Transformer
Arithmer Inc.
Towards Performant Video Recognition
Towards Performant Video Recognition
cvpaper. challenge
PythonによるCVアルゴリズム実装
PythonによるCVアルゴリズム実装
Hirokatsu Kataoka
Optunaを使ったHuman-in-the-loop最適化の紹介 - 2023/04/27 W&B 東京ミートアップ #3
Optunaを使ったHuman-in-the-loop最適化の紹介 - 2023/04/27 W&B 東京ミートアップ #3
Preferred Networks
(修正)機械学習デザインパターン(ML Design Patterns)の解説
(修正)機械学習デザインパターン(ML Design Patterns)の解説
Hironori Washizaki
研究法(Claimとは)
研究法(Claimとは)
Jun Rekimoto
先駆者に学ぶ MLOpsの実際
先駆者に学ぶ MLOpsの実際
Tetsutaro Watanabe
Sift特徴量について
Sift特徴量について
la_flance
教師なし画像特徴表現学習の動向 {Un, Self} supervised representation learning (CVPR 2018 完全読破...
教師なし画像特徴表現学習の動向 {Un, Self} supervised representation learning (CVPR 2018 完全読破...
cvpaper. challenge
文字認識はCNNで終わるのか?
文字認識はCNNで終わるのか?
Seiichi Uchida
Machine learning CI/CD with OSS
Machine learning CI/CD with OSS
yusuke shibui
ChatGPT 人間のフィードバックから強化学習した対話AI
ChatGPT 人間のフィードバックから強化学習した対話AI
Shota Imai
組合せ最適化入門:線形計画から整数計画まで
組合せ最適化入門:線形計画から整数計画まで
Shunji Umetani
Python に行く前に Excel で学ぶデータ分析のいろは
Python に行く前に Excel で学ぶデータ分析のいろは
Daiyu Hatakeyama
機械学習のためのベイズ最適化入門
機械学習のためのベイズ最適化入門
hoxo_m
渡辺澄夫著「ベイズ統計の理論と方法」5.1 マルコフ連鎖モンテカルロ法
渡辺澄夫著「ベイズ統計の理論と方法」5.1 マルコフ連鎖モンテカルロ法
Kenichi Hironaka
(DL輪読)Variational Dropout Sparsifies Deep Neural Networks
(DL輪読)Variational Dropout Sparsifies Deep Neural Networks
Masahiro Suzuki
La actualidad más candente
(20)
Swin Transformer (ICCV'21 Best Paper) を完璧に理解する資料
Swin Transformer (ICCV'21 Best Paper) を完璧に理解する資料
【DL輪読会】Visual ChatGPT: Talking, Drawing and Editing with Visual Foundation Mo...
【DL輪読会】Visual ChatGPT: Talking, Drawing and Editing with Visual Foundation Mo...
物体検出の歴史(R-CNNからSSD・YOLOまで)
物体検出の歴史(R-CNNからSSD・YOLOまで)
全力解説!Transformer
全力解説!Transformer
Towards Performant Video Recognition
Towards Performant Video Recognition
PythonによるCVアルゴリズム実装
PythonによるCVアルゴリズム実装
Optunaを使ったHuman-in-the-loop最適化の紹介 - 2023/04/27 W&B 東京ミートアップ #3
Optunaを使ったHuman-in-the-loop最適化の紹介 - 2023/04/27 W&B 東京ミートアップ #3
(修正)機械学習デザインパターン(ML Design Patterns)の解説
(修正)機械学習デザインパターン(ML Design Patterns)の解説
研究法(Claimとは)
研究法(Claimとは)
先駆者に学ぶ MLOpsの実際
先駆者に学ぶ MLOpsの実際
Sift特徴量について
Sift特徴量について
教師なし画像特徴表現学習の動向 {Un, Self} supervised representation learning (CVPR 2018 完全読破...
教師なし画像特徴表現学習の動向 {Un, Self} supervised representation learning (CVPR 2018 完全読破...
文字認識はCNNで終わるのか?
文字認識はCNNで終わるのか?
Machine learning CI/CD with OSS
Machine learning CI/CD with OSS
ChatGPT 人間のフィードバックから強化学習した対話AI
ChatGPT 人間のフィードバックから強化学習した対話AI
組合せ最適化入門:線形計画から整数計画まで
組合せ最適化入門:線形計画から整数計画まで
Python に行く前に Excel で学ぶデータ分析のいろは
Python に行く前に Excel で学ぶデータ分析のいろは
機械学習のためのベイズ最適化入門
機械学習のためのベイズ最適化入門
渡辺澄夫著「ベイズ統計の理論と方法」5.1 マルコフ連鎖モンテカルロ法
渡辺澄夫著「ベイズ統計の理論と方法」5.1 マルコフ連鎖モンテカルロ法
(DL輪読)Variational Dropout Sparsifies Deep Neural Networks
(DL輪読)Variational Dropout Sparsifies Deep Neural Networks
Más de mao999
Kernel entrance to-geek-
Kernel entrance to-geek-
mao999
4章 Linuxカーネル - 割り込み・例外 5
4章 Linuxカーネル - 割り込み・例外 5
mao999
4章 Linuxカーネル - 割り込み・例外 4
4章 Linuxカーネル - 割り込み・例外 4
mao999
4章 Linuxカーネル - 割り込み・例外 3
4章 Linuxカーネル - 割り込み・例外 3
mao999
4章 Linuxカーネル - 割り込み・例外 2
4章 Linuxカーネル - 割り込み・例外 2
mao999
4章 Linuxカーネル - 割り込み・例外 1
4章 Linuxカーネル - 割り込み・例外 1
mao999
2章 Linuxカーネル - メモリ管理1
2章 Linuxカーネル - メモリ管理1
mao999
0章 Linuxカーネルを読む前に最低限知っておくべきこと
0章 Linuxカーネルを読む前に最低限知っておくべきこと
mao999
Más de mao999
(8)
Kernel entrance to-geek-
Kernel entrance to-geek-
4章 Linuxカーネル - 割り込み・例外 5
4章 Linuxカーネル - 割り込み・例外 5
4章 Linuxカーネル - 割り込み・例外 4
4章 Linuxカーネル - 割り込み・例外 4
4章 Linuxカーネル - 割り込み・例外 3
4章 Linuxカーネル - 割り込み・例外 3
4章 Linuxカーネル - 割り込み・例外 2
4章 Linuxカーネル - 割り込み・例外 2
4章 Linuxカーネル - 割り込み・例外 1
4章 Linuxカーネル - 割り込み・例外 1
2章 Linuxカーネル - メモリ管理1
2章 Linuxカーネル - メモリ管理1
0章 Linuxカーネルを読む前に最低限知っておくべきこと
0章 Linuxカーネルを読む前に最低限知っておくべきこと
カーネルとは
1.
カーネルとは
2.
カーネルとは https://blogs.yahoo.co.jp/takashi_fujii_1964/GALLERY/show_image.html?id=32640290
3.
ではありません
4.
カーネルとは ・ kernel :
核 ⇒ OS の中核部分 ・コンピュータのリソースを管理し、 アプリがリソースを使って動作できる様にする https://ja.wikipedia.org/wiki/ カーネル http://www.coins.tsukuba.ac.jp/~yas/coins/compsys1-2006/2007-01-22/ ・ shell : 殻
5.
カーネルの種類 ● モノリシックカーネル – Unix とその派生
OS. Linux 等 . – MS-DOS – Windows 9x 系 ● マイクロカーネル – Windows NT(NT カーネル ) – Mach: マーク カーネギーメロン大学のグループが開発したマイクロカーネルが有名 . Mac OS X とその原型の NEXTSTEP のコア部分に採用されている . ● ハイブリッドカーネル – Windows XP 以降 http://blog.goo.ne.jp/skeletonsima/m/201411 http://blog.goo.ne.jp/skeletonsima/m/201411
6.
Let’s linux ※linux は動詞
. 意味 :linux を使う /linux について話す / linux で遊ぶ
7.
Linux ● モジュールカーネル ファイルシステムやネットワーク機能等の主要な機能もモジュール化 . モノリシックでありながら ,
柔軟性がある . http://www.openrtm.org/openrtm/ja/content/ カーネルとユーザランドの入れ替え ※ 「モジュールカーネル」という呼称が正式に存在するかは疑問 .
8.
Kernel & Distribution ● Kernel ・ Mainline/Mainstream
Linus と、 Linus が選んだメンテナが管理 www.kernel.org コアチーム + モジュール開発者群 . バザール方式 「ベータテスタは貴重な資産」「早めのリリース , 頻繁なリリース」「目玉の数さえあれば , どんなバグも深刻ではない」 ● Distribution: ディストリビューション カーネル + 設定ファイル群 + 基本ツール + その他ソフト Mainline のカーネルに , ベンダー独自の修正や変更を加えている事が多い . Ubuntu/CentOS/Redhat/Debian/ArchLinux/openSUSE/Gentoo ...etc...( 順不同 )
9.
● ディストリビューションは自分で作ることが可能 ・ Linux From
Scratch 自分で必要なパッケージをビルド ,rootfs やブートの設定等も自分で構築する . ・ Yocto Project BitBake というビルドツールと OSS パッケージをビルドする為のレシピを統合し , 組み込み Linux ディストリビューションを標準化 . ポーティング / 複製 / スクラッチ / メンテナンスにリソースがかかっていたのを改善
10.
で、なぜカーネル
11.
● カーネルが読めるようになると ・・・ 自信がつきます 何でも出来そうな気になります 問題の切り分けが出来るようになります
12.
● カーネルにもバグがあります . メーリングリストで議論されているパッチが 次バージョンのリリースで取り込まれて 自分の PC
に取り込んで正常に動くまで待つか ( 長いと半年とか・・・? ) ・・・それとも・・・
13.
● 自分でカーネルパッチを書いて 自分の PC のカーネルを 正式版より先に修正するか ● 他社より先に問題を解決できる
!!
14.
神降臨
15.
● デバイスドライバとかはバグが多い . ある新しいデバイスが流通し始めたが ,
ドライ バに問題がある為 , 使えない or 機能制限が かかる . これをいち早く解決できる .
16.
Just For Fun 純粋な好奇心を大切に
17.
とっかかり ● システムコールから読む 割り込みが関係 ● ブートから読む ハード面 , ハード寄りのプロセス管理
/ メモリ管理 / 割り込み管理が少し分かれば , 読みやすい . ● 資料で概要を掴んでから読む ● テストプログラムをトレース ● カーネルモジュールを作成 ● カーネルビルド ● その他 ..etc.. https://blogs.yahoo.co.jp/takashi_fujii_1964/GALLERY/show_image.html?id=32640290
Descargar ahora