Enviar búsqueda
Cargar
Deep Learning Lab: DIMo & Chainer
•
6 recomendaciones
•
5,727 vistas
Preferred Networks
Seguir
The community of Deep Learning Lab (DLL) kicked off on June 19, 2017.
Leer menos
Leer más
Empresariales
Denunciar
Compartir
Denunciar
Compartir
1 de 29
Descargar ahora
Descargar para leer sin conexión
Recomendados
実用としての深層学習 ~深層学習の利用事例と展望~
実用としての深層学習 ~深層学習の利用事例と展望~
Hirono Jumpei
20170419PFNオープンハウス リサーチャーの仕事_公開用
20170419PFNオープンハウス リサーチャーの仕事_公開用
Preferred Networks
20180227_最先端のディープラーニング 研究開発を支えるGPU計算機基盤 「MN-1」のご紹介
20180227_最先端のディープラーニング 研究開発を支えるGPU計算機基盤 「MN-1」のご紹介
Preferred Networks
【参考文献追加】20180115_東大医学部機能生物学セミナー_深層学習の最前線とこれから_岡野原大輔
【参考文献追加】20180115_東大医学部機能生物学セミナー_深層学習の最前線とこれから_岡野原大輔
Preferred Networks
これから始める人の為のディープラーニング基礎講座
これから始める人の為のディープラーニング基礎講座
NVIDIA Japan
ディープラーニング最新動向と技術情報
ディープラーニング最新動向と技術情報
NVIDIA Japan
DLフレームワークChainerの紹介と分散深層強化学習によるロボット制御
DLフレームワークChainerの紹介と分散深層強化学習によるロボット制御
Ryosuke Okuta
これから始める人のためのディープラーニング基礎講座
これから始める人のためのディープラーニング基礎講座
NVIDIA Japan
Recomendados
実用としての深層学習 ~深層学習の利用事例と展望~
実用としての深層学習 ~深層学習の利用事例と展望~
Hirono Jumpei
20170419PFNオープンハウス リサーチャーの仕事_公開用
20170419PFNオープンハウス リサーチャーの仕事_公開用
Preferred Networks
20180227_最先端のディープラーニング 研究開発を支えるGPU計算機基盤 「MN-1」のご紹介
20180227_最先端のディープラーニング 研究開発を支えるGPU計算機基盤 「MN-1」のご紹介
Preferred Networks
【参考文献追加】20180115_東大医学部機能生物学セミナー_深層学習の最前線とこれから_岡野原大輔
【参考文献追加】20180115_東大医学部機能生物学セミナー_深層学習の最前線とこれから_岡野原大輔
Preferred Networks
これから始める人の為のディープラーニング基礎講座
これから始める人の為のディープラーニング基礎講座
NVIDIA Japan
ディープラーニング最新動向と技術情報
ディープラーニング最新動向と技術情報
NVIDIA Japan
DLフレームワークChainerの紹介と分散深層強化学習によるロボット制御
DLフレームワークChainerの紹介と分散深層強化学習によるロボット制御
Ryosuke Okuta
これから始める人のためのディープラーニング基礎講座
これから始める人のためのディープラーニング基礎講座
NVIDIA Japan
Deep Learning Lab コミュニティ 企画概要
Deep Learning Lab コミュニティ 企画概要
Hirono Jumpei
【2017年】ディープラーニングのフレームワーク比較
【2017年】ディープラーニングのフレームワーク比較
Ryota Suzuki
進化するChainer
進化するChainer
Yuya Unno
20171128分散深層学習とChainerMNについて
20171128分散深層学習とChainerMNについて
Preferred Networks
NVIDIA Seminar ディープラーニングによる画像認識と応用事例
NVIDIA Seminar ディープラーニングによる画像認識と応用事例
Takayoshi Yamashita
GTC 2016 ディープラーニング最新情報
GTC 2016 ディープラーニング最新情報
NVIDIA Japan
CNNチュートリアル
CNNチュートリアル
Ikuro Sato
Chainer meetup2016 03-19pub
Chainer meetup2016 03-19pub
Yuta Kashino
DLL#3 Microsoft Community & AI Update
DLL#3 Microsoft Community & AI Update
Hirono Jumpei
深層学習 第4章 大規模深層学習の実現技術
深層学習 第4章 大規模深層学習の実現技術
孝昌 田中
NIPS2015概要資料
NIPS2015概要資料
Shohei Hido
An Introduction of DNN Compression Technology and Hardware Acceleration on FPGA
An Introduction of DNN Compression Technology and Hardware Acceleration on FPGA
LeapMind Inc
Cvim saisentan-6-4-tomoaki
Cvim saisentan-6-4-tomoaki
tomoaki0705
モデルアーキテクチャ観点からのDeep Neural Network高速化
モデルアーキテクチャ観点からのDeep Neural Network高速化
Yusuke Uchida
SSII2021 [SS1] Transformer x Computer Visionの 実活用可能性と展望 〜 TransformerのCompute...
SSII2021 [SS1] Transformer x Computer Visionの 実活用可能性と展望 〜 TransformerのCompute...
SSII
Deep Learning技術の最近の動向とPreferred Networksの取り組み
Deep Learning技術の最近の動向とPreferred Networksの取り組み
Kenta Oono
Improving neural networks by preventing co adaptation of feature detectors
Improving neural networks by preventing co adaptation of feature detectors
Junya Saito
Convolutional Neural Network @ CV勉強会関東
Convolutional Neural Network @ CV勉強会関東
Hokuto Kagaya
多層NNの教師なし学習 コンピュータビジョン勉強会@関東 2014/5/26
多層NNの教師なし学習 コンピュータビジョン勉強会@関東 2014/5/26
Takashi Abe
DeNAにおける機械学習・深層学習活用
DeNAにおける機械学習・深層学習活用
Kazuki Fujikawa
Lecture univ.tokyo 2017_okanohara
Lecture univ.tokyo 2017_okanohara
Preferred Networks
PFN x Microsoft Alliance
PFN x Microsoft Alliance
Hirono Jumpei
Más contenido relacionado
La actualidad más candente
Deep Learning Lab コミュニティ 企画概要
Deep Learning Lab コミュニティ 企画概要
Hirono Jumpei
【2017年】ディープラーニングのフレームワーク比較
【2017年】ディープラーニングのフレームワーク比較
Ryota Suzuki
進化するChainer
進化するChainer
Yuya Unno
20171128分散深層学習とChainerMNについて
20171128分散深層学習とChainerMNについて
Preferred Networks
NVIDIA Seminar ディープラーニングによる画像認識と応用事例
NVIDIA Seminar ディープラーニングによる画像認識と応用事例
Takayoshi Yamashita
GTC 2016 ディープラーニング最新情報
GTC 2016 ディープラーニング最新情報
NVIDIA Japan
CNNチュートリアル
CNNチュートリアル
Ikuro Sato
Chainer meetup2016 03-19pub
Chainer meetup2016 03-19pub
Yuta Kashino
DLL#3 Microsoft Community & AI Update
DLL#3 Microsoft Community & AI Update
Hirono Jumpei
深層学習 第4章 大規模深層学習の実現技術
深層学習 第4章 大規模深層学習の実現技術
孝昌 田中
NIPS2015概要資料
NIPS2015概要資料
Shohei Hido
An Introduction of DNN Compression Technology and Hardware Acceleration on FPGA
An Introduction of DNN Compression Technology and Hardware Acceleration on FPGA
LeapMind Inc
Cvim saisentan-6-4-tomoaki
Cvim saisentan-6-4-tomoaki
tomoaki0705
モデルアーキテクチャ観点からのDeep Neural Network高速化
モデルアーキテクチャ観点からのDeep Neural Network高速化
Yusuke Uchida
SSII2021 [SS1] Transformer x Computer Visionの 実活用可能性と展望 〜 TransformerのCompute...
SSII2021 [SS1] Transformer x Computer Visionの 実活用可能性と展望 〜 TransformerのCompute...
SSII
Deep Learning技術の最近の動向とPreferred Networksの取り組み
Deep Learning技術の最近の動向とPreferred Networksの取り組み
Kenta Oono
Improving neural networks by preventing co adaptation of feature detectors
Improving neural networks by preventing co adaptation of feature detectors
Junya Saito
Convolutional Neural Network @ CV勉強会関東
Convolutional Neural Network @ CV勉強会関東
Hokuto Kagaya
多層NNの教師なし学習 コンピュータビジョン勉強会@関東 2014/5/26
多層NNの教師なし学習 コンピュータビジョン勉強会@関東 2014/5/26
Takashi Abe
DeNAにおける機械学習・深層学習活用
DeNAにおける機械学習・深層学習活用
Kazuki Fujikawa
La actualidad más candente
(20)
Deep Learning Lab コミュニティ 企画概要
Deep Learning Lab コミュニティ 企画概要
【2017年】ディープラーニングのフレームワーク比較
【2017年】ディープラーニングのフレームワーク比較
進化するChainer
進化するChainer
20171128分散深層学習とChainerMNについて
20171128分散深層学習とChainerMNについて
NVIDIA Seminar ディープラーニングによる画像認識と応用事例
NVIDIA Seminar ディープラーニングによる画像認識と応用事例
GTC 2016 ディープラーニング最新情報
GTC 2016 ディープラーニング最新情報
CNNチュートリアル
CNNチュートリアル
Chainer meetup2016 03-19pub
Chainer meetup2016 03-19pub
DLL#3 Microsoft Community & AI Update
DLL#3 Microsoft Community & AI Update
深層学習 第4章 大規模深層学習の実現技術
深層学習 第4章 大規模深層学習の実現技術
NIPS2015概要資料
NIPS2015概要資料
An Introduction of DNN Compression Technology and Hardware Acceleration on FPGA
An Introduction of DNN Compression Technology and Hardware Acceleration on FPGA
Cvim saisentan-6-4-tomoaki
Cvim saisentan-6-4-tomoaki
モデルアーキテクチャ観点からのDeep Neural Network高速化
モデルアーキテクチャ観点からのDeep Neural Network高速化
SSII2021 [SS1] Transformer x Computer Visionの 実活用可能性と展望 〜 TransformerのCompute...
SSII2021 [SS1] Transformer x Computer Visionの 実活用可能性と展望 〜 TransformerのCompute...
Deep Learning技術の最近の動向とPreferred Networksの取り組み
Deep Learning技術の最近の動向とPreferred Networksの取り組み
Improving neural networks by preventing co adaptation of feature detectors
Improving neural networks by preventing co adaptation of feature detectors
Convolutional Neural Network @ CV勉強会関東
Convolutional Neural Network @ CV勉強会関東
多層NNの教師なし学習 コンピュータビジョン勉強会@関東 2014/5/26
多層NNの教師なし学習 コンピュータビジョン勉強会@関東 2014/5/26
DeNAにおける機械学習・深層学習活用
DeNAにおける機械学習・深層学習活用
Destacado
Lecture univ.tokyo 2017_okanohara
Lecture univ.tokyo 2017_okanohara
Preferred Networks
PFN x Microsoft Alliance
PFN x Microsoft Alliance
Hirono Jumpei
Dll講演資料 2017616
Dll講演資料 2017616
NORIKO HOSAKA
Gatsby kaken-2017-pfn okanohara
Gatsby kaken-2017-pfn okanohara
Preferred Networks
comp_pfiseminar
comp_pfiseminar
Preferred Networks
文法圧縮入門:超高速テキスト処理のためのデータ圧縮(NLP2014チュートリアル)
文法圧縮入門:超高速テキスト処理のためのデータ圧縮(NLP2014チュートリアル)
Shirou Maruyama
Chainer OpenPOWER developer congress HandsON 20170522_ota
Chainer OpenPOWER developer congress HandsON 20170522_ota
Preferred Networks
Introduction to Chainer
Introduction to Chainer
Preferred Networks
20170419PFNオープンハウス インターンと採用 公開用
20170419PFNオープンハウス インターンと採用 公開用
Preferred Networks
IPAB2017 深層学習を使った新薬の探索から創造へ
IPAB2017 深層学習を使った新薬の探索から創造へ
Preferred Networks
20171024 DLLab#04_PFN_Hiroshi Maruyama
20171024 DLLab#04_PFN_Hiroshi Maruyama
Preferred Networks
Destacado
(11)
Lecture univ.tokyo 2017_okanohara
Lecture univ.tokyo 2017_okanohara
PFN x Microsoft Alliance
PFN x Microsoft Alliance
Dll講演資料 2017616
Dll講演資料 2017616
Gatsby kaken-2017-pfn okanohara
Gatsby kaken-2017-pfn okanohara
comp_pfiseminar
comp_pfiseminar
文法圧縮入門:超高速テキスト処理のためのデータ圧縮(NLP2014チュートリアル)
文法圧縮入門:超高速テキスト処理のためのデータ圧縮(NLP2014チュートリアル)
Chainer OpenPOWER developer congress HandsON 20170522_ota
Chainer OpenPOWER developer congress HandsON 20170522_ota
Introduction to Chainer
Introduction to Chainer
20170419PFNオープンハウス インターンと採用 公開用
20170419PFNオープンハウス インターンと採用 公開用
IPAB2017 深層学習を使った新薬の探索から創造へ
IPAB2017 深層学習を使った新薬の探索から創造へ
20171024 DLLab#04_PFN_Hiroshi Maruyama
20171024 DLLab#04_PFN_Hiroshi Maruyama
Similar a Deep Learning Lab: DIMo & Chainer
Kubernetesによる機械学習基盤への挑戦
Kubernetesによる機械学習基盤への挑戦
Preferred Networks
Gitlab ci & ecsへのデプロイ
Gitlab ci & ecsへのデプロイ
iwata jaws-ug
IoT案件を70件やってみて分かった事
IoT案件を70件やってみて分かった事
Koichi Sasaki
さくらのIoT Platformを使ってみよう ~OSC大阪編~
さくらのIoT Platformを使ってみよう ~OSC大阪編~
法林浩之
Visual Studio App Centerで始めるCI/CD(iOS)
Visual Studio App Centerで始めるCI/CD(iOS)
Shinya Nakajima
『Mobageの大規模データマイニング活用と 意思決定』- #IBIS 2012 -ビジネスと機械学習の接点-
『Mobageの大規模データマイニング活用と 意思決定』- #IBIS 2012 -ビジネスと機械学習の接点-
Koichi Hamada
Modernization of IT Infrastructure by Microsoft Azure
Modernization of IT Infrastructure by Microsoft Azure
Takeshi Fukuhara
Reactive Workflow Argo Eventsの紹介
Reactive Workflow Argo Eventsの紹介
Daisuke Taniwaki
Azure Digital Twins 最新事例紹介 ( IoTビジネス共創ラボ 第16回勉強会 )
Azure Digital Twins 最新事例紹介 ( IoTビジネス共創ラボ 第16回勉強会 )
Takeshi Fukuhara
Azure Digital Twins最新事例紹介
Azure Digital Twins最新事例紹介
IoTビジネス共創ラボ
Changing Infrastructure operation by DevOps And Agile Development
Changing Infrastructure operation by DevOps And Agile Development
Taiji Tsuchiya
Rancher/k8sを利用した運用改善の取り組み
Rancher/k8sを利用した運用改善の取り組み
Michitaka Terada
CODT2020 ビジネスプラットフォームを支えるCI/CDパイプライン ~エンタープライズのDevOpsを加速させる運用改善Tips~
CODT2020 ビジネスプラットフォームを支えるCI/CDパイプライン ~エンタープライズのDevOpsを加速させる運用改善Tips~
Yuki Ando
基調講演「データのグループウェア化」
基調講演「データのグループウェア化」
Cybozucommunity
○○ as Code(LL Diver)
○○ as Code(LL Diver)
Yoshiyuki Takano
フューチャースタンダードCTO鈴木登壇 レバレジーズ「ヒカ☆ラボ」動画解析・IoT実践事例 (Jul. 4th, 2017)
フューチャースタンダードCTO鈴木登壇 レバレジーズ「ヒカ☆ラボ」動画解析・IoT実践事例 (Jul. 4th, 2017)
Future Standard
既存RailsアプリをSSO化して、本番環境で活用した話【WESEEK Tech Conf #12】
既存RailsアプリをSSO化して、本番環境で活用した話【WESEEK Tech Conf #12】
WESEEKWESEEK
SpinnakerとOpenStackの構築
SpinnakerとOpenStackの構築
NTT Communications Technology Development
Azure IoTのアップデート情報
Azure IoTのアップデート情報
佳孝 中田
クラウドセキュリティ基礎
クラウドセキュリティ基礎
Masahiro NAKAYAMA
Similar a Deep Learning Lab: DIMo & Chainer
(20)
Kubernetesによる機械学習基盤への挑戦
Kubernetesによる機械学習基盤への挑戦
Gitlab ci & ecsへのデプロイ
Gitlab ci & ecsへのデプロイ
IoT案件を70件やってみて分かった事
IoT案件を70件やってみて分かった事
さくらのIoT Platformを使ってみよう ~OSC大阪編~
さくらのIoT Platformを使ってみよう ~OSC大阪編~
Visual Studio App Centerで始めるCI/CD(iOS)
Visual Studio App Centerで始めるCI/CD(iOS)
『Mobageの大規模データマイニング活用と 意思決定』- #IBIS 2012 -ビジネスと機械学習の接点-
『Mobageの大規模データマイニング活用と 意思決定』- #IBIS 2012 -ビジネスと機械学習の接点-
Modernization of IT Infrastructure by Microsoft Azure
Modernization of IT Infrastructure by Microsoft Azure
Reactive Workflow Argo Eventsの紹介
Reactive Workflow Argo Eventsの紹介
Azure Digital Twins 最新事例紹介 ( IoTビジネス共創ラボ 第16回勉強会 )
Azure Digital Twins 最新事例紹介 ( IoTビジネス共創ラボ 第16回勉強会 )
Azure Digital Twins最新事例紹介
Azure Digital Twins最新事例紹介
Changing Infrastructure operation by DevOps And Agile Development
Changing Infrastructure operation by DevOps And Agile Development
Rancher/k8sを利用した運用改善の取り組み
Rancher/k8sを利用した運用改善の取り組み
CODT2020 ビジネスプラットフォームを支えるCI/CDパイプライン ~エンタープライズのDevOpsを加速させる運用改善Tips~
CODT2020 ビジネスプラットフォームを支えるCI/CDパイプライン ~エンタープライズのDevOpsを加速させる運用改善Tips~
基調講演「データのグループウェア化」
基調講演「データのグループウェア化」
○○ as Code(LL Diver)
○○ as Code(LL Diver)
フューチャースタンダードCTO鈴木登壇 レバレジーズ「ヒカ☆ラボ」動画解析・IoT実践事例 (Jul. 4th, 2017)
フューチャースタンダードCTO鈴木登壇 レバレジーズ「ヒカ☆ラボ」動画解析・IoT実践事例 (Jul. 4th, 2017)
既存RailsアプリをSSO化して、本番環境で活用した話【WESEEK Tech Conf #12】
既存RailsアプリをSSO化して、本番環境で活用した話【WESEEK Tech Conf #12】
SpinnakerとOpenStackの構築
SpinnakerとOpenStackの構築
Azure IoTのアップデート情報
Azure IoTのアップデート情報
クラウドセキュリティ基礎
クラウドセキュリティ基礎
Más de Preferred Networks
PodSecurityPolicy からGatekeeper に移行しました / Kubernetes Meetup Tokyo #57
PodSecurityPolicy からGatekeeper に移行しました / Kubernetes Meetup Tokyo #57
Preferred Networks
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
Kubernetes + containerd で cgroup v2 に移行したら "failed to create fsnotify watcher...
Kubernetes + containerd で cgroup v2 に移行したら "failed to create fsnotify watcher...
Preferred Networks
深層学習の新しい応用と、 それを支える計算機の進化 - Preferred Networks CEO 西川徹 (SEMICON Japan 2022 Ke...
深層学習の新しい応用と、 それを支える計算機の進化 - Preferred Networks CEO 西川徹 (SEMICON Japan 2022 Ke...
Preferred Networks
Kubernetes ControllerをScale-Outさせる方法 / Kubernetes Meetup Tokyo #55
Kubernetes ControllerをScale-Outさせる方法 / Kubernetes Meetup Tokyo #55
Preferred Networks
Kaggle Happywhaleコンペ優勝解法でのOptuna使用事例 - 2022/12/10 Optuna Meetup #2
Kaggle Happywhaleコンペ優勝解法でのOptuna使用事例 - 2022/12/10 Optuna Meetup #2
Preferred Networks
最新リリース:Optuna V3の全て - 2022/12/10 Optuna Meetup #2
最新リリース:Optuna V3の全て - 2022/12/10 Optuna Meetup #2
Preferred Networks
Optuna Dashboardの紹介と設計解説 - 2022/12/10 Optuna Meetup #2
Optuna Dashboardの紹介と設計解説 - 2022/12/10 Optuna Meetup #2
Preferred Networks
スタートアップが提案する2030年の材料開発 - 2022/11/11 QPARC講演
スタートアップが提案する2030年の材料開発 - 2022/11/11 QPARC講演
Preferred Networks
Deep Learningのための専用プロセッサ「MN-Core」の開発と活用(2022/10/19東大大学院「 融合情報学特別講義Ⅲ」)
Deep Learningのための専用プロセッサ「MN-Core」の開発と活用(2022/10/19東大大学院「 融合情報学特別講義Ⅲ」)
Preferred Networks
PFNにおける研究開発(2022/10/19 東大大学院「融合情報学特別講義Ⅲ」)
PFNにおける研究開発(2022/10/19 東大大学院「融合情報学特別講義Ⅲ」)
Preferred Networks
自然言語処理を 役立てるのはなぜ難しいのか(2022/10/25東大大学院「自然言語処理応用」)
自然言語処理を 役立てるのはなぜ難しいのか(2022/10/25東大大学院「自然言語処理応用」)
Preferred Networks
Kubernetes にこれから入るかもしれない注目機能!(2022年11月版) / TechFeed Experts Night #7 〜 コンテナ技術を語る
Kubernetes にこれから入るかもしれない注目機能!(2022年11月版) / TechFeed Experts Night #7 〜 コンテナ技術を語る
Preferred Networks
Matlantis™のニューラルネットワークポテンシャルPFPの適用範囲拡張
Matlantis™のニューラルネットワークポテンシャルPFPの適用範囲拡張
Preferred Networks
PFNのオンプレ計算機クラスタの取り組み_第55回情報科学若手の会
PFNのオンプレ計算機クラスタの取り組み_第55回情報科学若手の会
Preferred Networks
続・PFN のオンプレML基盤の取り組み / オンプレML基盤 on Kubernetes 〜PFN、ヤフー〜 #2
続・PFN のオンプレML基盤の取り組み / オンプレML基盤 on Kubernetes 〜PFN、ヤフー〜 #2
Preferred Networks
Kubernetes Service Account As Multi-Cloud Identity / Cloud Native Security Co...
Kubernetes Service Account As Multi-Cloud Identity / Cloud Native Security Co...
Preferred Networks
KubeCon + CloudNativeCon Europe 2022 Recap / Kubernetes Meetup Tokyo #51 / #k...
KubeCon + CloudNativeCon Europe 2022 Recap / Kubernetes Meetup Tokyo #51 / #k...
Preferred Networks
KubeCon + CloudNativeCon Europe 2022 Recap - Batch/HPCの潮流とScheduler拡張事例 / Kub...
KubeCon + CloudNativeCon Europe 2022 Recap - Batch/HPCの潮流とScheduler拡張事例 / Kub...
Preferred Networks
独断と偏見で選んだ Kubernetes 1.24 の注目機能と今後! / Kubernetes Meetup Tokyo 50
独断と偏見で選んだ Kubernetes 1.24 の注目機能と今後! / Kubernetes Meetup Tokyo 50
Preferred Networks
Más de Preferred Networks
(20)
PodSecurityPolicy からGatekeeper に移行しました / Kubernetes Meetup Tokyo #57
PodSecurityPolicy からGatekeeper に移行しました / Kubernetes Meetup Tokyo #57
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
Kubernetes + containerd で cgroup v2 に移行したら "failed to create fsnotify watcher...
Kubernetes + containerd で cgroup v2 に移行したら "failed to create fsnotify watcher...
深層学習の新しい応用と、 それを支える計算機の進化 - Preferred Networks CEO 西川徹 (SEMICON Japan 2022 Ke...
深層学習の新しい応用と、 それを支える計算機の進化 - Preferred Networks CEO 西川徹 (SEMICON Japan 2022 Ke...
Kubernetes ControllerをScale-Outさせる方法 / Kubernetes Meetup Tokyo #55
Kubernetes ControllerをScale-Outさせる方法 / Kubernetes Meetup Tokyo #55
Kaggle Happywhaleコンペ優勝解法でのOptuna使用事例 - 2022/12/10 Optuna Meetup #2
Kaggle Happywhaleコンペ優勝解法でのOptuna使用事例 - 2022/12/10 Optuna Meetup #2
最新リリース:Optuna V3の全て - 2022/12/10 Optuna Meetup #2
最新リリース:Optuna V3の全て - 2022/12/10 Optuna Meetup #2
Optuna Dashboardの紹介と設計解説 - 2022/12/10 Optuna Meetup #2
Optuna Dashboardの紹介と設計解説 - 2022/12/10 Optuna Meetup #2
スタートアップが提案する2030年の材料開発 - 2022/11/11 QPARC講演
スタートアップが提案する2030年の材料開発 - 2022/11/11 QPARC講演
Deep Learningのための専用プロセッサ「MN-Core」の開発と活用(2022/10/19東大大学院「 融合情報学特別講義Ⅲ」)
Deep Learningのための専用プロセッサ「MN-Core」の開発と活用(2022/10/19東大大学院「 融合情報学特別講義Ⅲ」)
PFNにおける研究開発(2022/10/19 東大大学院「融合情報学特別講義Ⅲ」)
PFNにおける研究開発(2022/10/19 東大大学院「融合情報学特別講義Ⅲ」)
自然言語処理を 役立てるのはなぜ難しいのか(2022/10/25東大大学院「自然言語処理応用」)
自然言語処理を 役立てるのはなぜ難しいのか(2022/10/25東大大学院「自然言語処理応用」)
Kubernetes にこれから入るかもしれない注目機能!(2022年11月版) / TechFeed Experts Night #7 〜 コンテナ技術を語る
Kubernetes にこれから入るかもしれない注目機能!(2022年11月版) / TechFeed Experts Night #7 〜 コンテナ技術を語る
Matlantis™のニューラルネットワークポテンシャルPFPの適用範囲拡張
Matlantis™のニューラルネットワークポテンシャルPFPの適用範囲拡張
PFNのオンプレ計算機クラスタの取り組み_第55回情報科学若手の会
PFNのオンプレ計算機クラスタの取り組み_第55回情報科学若手の会
続・PFN のオンプレML基盤の取り組み / オンプレML基盤 on Kubernetes 〜PFN、ヤフー〜 #2
続・PFN のオンプレML基盤の取り組み / オンプレML基盤 on Kubernetes 〜PFN、ヤフー〜 #2
Kubernetes Service Account As Multi-Cloud Identity / Cloud Native Security Co...
Kubernetes Service Account As Multi-Cloud Identity / Cloud Native Security Co...
KubeCon + CloudNativeCon Europe 2022 Recap / Kubernetes Meetup Tokyo #51 / #k...
KubeCon + CloudNativeCon Europe 2022 Recap / Kubernetes Meetup Tokyo #51 / #k...
KubeCon + CloudNativeCon Europe 2022 Recap - Batch/HPCの潮流とScheduler拡張事例 / Kub...
KubeCon + CloudNativeCon Europe 2022 Recap - Batch/HPCの潮流とScheduler拡張事例 / Kub...
独断と偏見で選んだ Kubernetes 1.24 の注目機能と今後! / Kubernetes Meetup Tokyo 50
独断と偏見で選んだ Kubernetes 1.24 の注目機能と今後! / Kubernetes Meetup Tokyo 50
Último
20240427 zaim academy counseling lesson .pdf
20240427 zaim academy counseling lesson .pdf
ssuser80a51f
株式会社MAVEL会社概要_アフィリエイト広告_運用型広告_LTVを予測しLOIを最適化する広告代理店
株式会社MAVEL会社概要_アフィリエイト広告_運用型広告_LTVを予測しLOIを最適化する広告代理店
ssuserfb441f
ストックマーク株式会社がご提供しているAnews(エーニュース)概要紹介.pdf
ストックマーク株式会社がご提供しているAnews(エーニュース)概要紹介.pdf
masakisaito12
UP103シリーズ パワーコメット ユニパー スライドレールタイプ 瓦揚げ機 ウインチ
UP103シリーズ パワーコメット ユニパー スライドレールタイプ 瓦揚げ機 ウインチ
ユニパー株式会社
ストックマーク株式会社がお客様へご提供しているAnews概要資料のご共有.pdf
ストックマーク株式会社がお客様へご提供しているAnews概要資料のご共有.pdf
masakisaito12
シンフォニティ株式会社(SYMPHONITY , Inc.) 会社説明・人材採用資料
シンフォニティ株式会社(SYMPHONITY , Inc.) 会社説明・人材採用資料
シンフォニティ 株式会社
202405_VISIONARYJAPAN_engineerteam_entrancebook(ver2.1)
202405_VISIONARYJAPAN_engineerteam_entrancebook(ver2.1)
KayaSuetake1
Service-introduction-materials-misorae-leadership
Service-introduction-materials-misorae-leadership
Yasuyoshi Minehisa
Último
(8)
20240427 zaim academy counseling lesson .pdf
20240427 zaim academy counseling lesson .pdf
株式会社MAVEL会社概要_アフィリエイト広告_運用型広告_LTVを予測しLOIを最適化する広告代理店
株式会社MAVEL会社概要_アフィリエイト広告_運用型広告_LTVを予測しLOIを最適化する広告代理店
ストックマーク株式会社がご提供しているAnews(エーニュース)概要紹介.pdf
ストックマーク株式会社がご提供しているAnews(エーニュース)概要紹介.pdf
UP103シリーズ パワーコメット ユニパー スライドレールタイプ 瓦揚げ機 ウインチ
UP103シリーズ パワーコメット ユニパー スライドレールタイプ 瓦揚げ機 ウインチ
ストックマーク株式会社がお客様へご提供しているAnews概要資料のご共有.pdf
ストックマーク株式会社がお客様へご提供しているAnews概要資料のご共有.pdf
シンフォニティ株式会社(SYMPHONITY , Inc.) 会社説明・人材採用資料
シンフォニティ株式会社(SYMPHONITY , Inc.) 会社説明・人材採用資料
202405_VISIONARYJAPAN_engineerteam_entrancebook(ver2.1)
202405_VISIONARYJAPAN_engineerteam_entrancebook(ver2.1)
Service-introduction-materials-misorae-leadership
Service-introduction-materials-misorae-leadership
Deep Learning Lab: DIMo & Chainer
1.
Deep Learning Lab
Kick Off June 19, 2017 株式会社Preferred Networks 取締役 最高執行責任者 長谷川 順一
2.
Preferred Networks, Inc.
(PFN) 設 立:2014年3月 所在地:東京都千代田区大手町(日本)、カリフォルニア州サンマテオ(米国) 取締役:西川 徹、岡野原 大輔、長谷川 順一 出資者:NTT(2014年)、Fanuc(2015年)、Toyota(2015年) ミッション: IoT時代に向けた新しいコンピュータを創造する あらゆるモノに知能をもたせ、分散知能を実現する 事業内容: IoT(Internet of Things) + 分散機械学習 交通システム 産業用ロボット バイオヘルスケア 2
3.
Our Strategic Partners
and Collaborators
4.
Chainer : ディープラーニングフレームワーク 4 ✓
Pythonプログラムで自由にネットワーク記述可能 ✓ 最新の深層学習の様々なアルゴリズムをネイティブにサポート ✓ データごとにオンデマンドでのネットワーク構築が可能 ✓ マルチGPU対応(Model Parallel / Data Parallel) ✓ 2015年6月の公開以降,産業界,研究界で広く使われている
5.
強化学習 深層強化 学習 異常検知 マルチ モーダル ・ センサー フュージョン アルゴリズム ストリーミングデータ解析 ディープラーニング 開発・実行環境 学習データ作成 アノテーション GUI カメラ管理 映像解析 検出・分類 再照合 外観検査 Deep Intelligence
in Motion(DIMo、ダイモ) PFNの研究成果をパッケージ化したプロダクト ツール フロアマップ 連携 PFNのプロダクトDIMo の全体像
6.
Microsoft ✕ Preferred
Networks
7.
Microsoft とPFNの提携内容 テクノロジー
Chainer / ChainerMN(Multi Node)のAzureへの展開 Azure Template の提供 Chainer on SQL Azure AI Batch サービスのchainer対応 Chainer on Windows 対応 人材育成 深層学習人材の育成 3年間で5万人へのトレーニングの提供を目標 マーケティング DIMo on Azure の展開 Deep Learning Lab の運営
8.
Azure ✕ DIMo
Enterprise Grade Deep Learning Solution 監視 カメラ 人再照合 製造 ライン 外観検査 機器 故障予測 ユーティリ ティ 需要予測 ロジ 最適化 監視 カメラ 人物分析 画像 物体検知 (segmentasion) センサー データ 異常予測 自動彩色 ロボット 自動制御
9.
DIMoによるPoC 画像解析 セグメンテーション
外観検査 異常検知 数値予測 強化学習 パラメータ最適化 案件のアセスメント → PoC → パイロット運用 → 本番運用 → モデルの評価・更新 DIMo on Azure を扱えるパートナーを増やしていきます
10.
Deep Intelligence in
Motion 各種パッケージ紹介 齋藤 俊太 Researcher at Preferred Networks
11.
DIMo 再照合機能:同じ人物の特徴を検出 NTT Com
3月30日プレス リリース: DIMo 再照合 機能を活用中 人工知能(AI)を活用した映 像解析技術により 複数カメラを跨いだ不審 者検出・追跡を高い精度 で実現 ~ALSOKと連携した実証 実験に成功~
12.
DIMo 異常検知(故障予測)パッケージ 概要 正常時
異常時 時系列の数値データから、そ のデータの時間的な経過によ る異常を検知する機能 【学習処理】 • そのデータの正常時の波形 を一定時間分投入 • 正常時の波形を学習するた め、異常データが学習の際 には必要ない • ※実際に異常が発見できる か検証するために異常デー タ自体は少数は必要 【判定処理】 • 学習した波形データの続き のデータを投入すると、異 常度スコアが出力される
13.
● フロントエンドUI ● ヒト映像解析結果の確認表示 ●
認識モデル・カメラ・マップの管理 ● アノテーションツール ● Webブラウザ上で正解データ作成 ● 外部企業経由で作業者に作業発注が可能 ● 画像認識ライブラリ ● ヒト検出&追跡(全身ベース) ● ディープラーニングによる属性認識 stream query engine 機械学習ディープラーニング DIMov1.0 機能別 ライブラリ 画像認識 検出/追跡/認識 アノテーション Hawk環境 クラウドソーシング 映像解析パッケージ アノテーションツール ヒト検出・認識結果Web GUIで設定を一括管理 DIMo 映像解析パッケージ 概要 デモ:https://www.youtube.com/watch?v=blMaZPEA5rA
14.
DIMo on Azure 現在、より簡単にDIMoを利用開始できるよう Azureで環境構築済みのものを提供予定 (DIMoはオンプレで学習・実行環境を作ることも可能)
15.
Chainerの特徴と発展 Azureとの連携 齋藤 俊太 Researcher at
Preferred Networks
16.
深層学習フレームワークChainer • ニューラルネットワークの設計・学習・評価等、深層学習を用 いた研究開発に必要となる一連の機能を提供
17.
Popularity Growth
18.
Define-by-Run # 構築 x =
Variable(‘x’) y = Variable(‘y’) z = x + 2 * y # 評価 for xi, yi in data: eval(z, (xi, yi)) # 構築と評価が同時 for xi, yi in data: x = Variable(xi) y = Variable(yi) z = x + 2 * y データを見ながら 違う処理をしてもよい Define-and-Run Define-by-Run
19.
Chainer v2.0.0 大幅なメモリ消費量削減、ユーザフィードバックを反映しAPIを整理 https://cupy.chainer.org https://chainer.org
20.
Chainer on Windows:
インストール手順 Windowsでの導入をより簡単にするための作業が進行中 (ビルド済みのバイナリを配布を検討中) 1. Install Visual C++ 2015 Build Tools http://landinghub.visualstudio.com/visual-cpp-build-tools 2. Install CUDA Toolkit 8.0 https://developer.nvidia.com/cuda-downloads 3. Install cuDNN v6.0 Library for Windows 10 https://developer.nvidia.com/rdp/cudnn-download Put all files under C:¥Program Files¥NVIDIA GPU Computing Toolkit¥CUDA¥v8.0 4. Install Anaconda 4.3.1 Python 3.6 or 2.7 https://www.continuum.io/downloads 5. Add environmental variables - Add “C:¥Program Files (x86)¥Microsoft Visual Studio 14.0¥VC¥bin” to PATH variable - Add “C:¥Program Files (x86)¥Windows Kits¥10¥Include¥10.0.10240.0¥ucrt” to INCLUDE variable 6. Install Chainer on Anaconda Prompt > pip install chainer
21.
Chainer on Azure Data
Science VMに CuPy + Chainer をプリインストール予定 Data Science Virtual Machineを用いると現在でも簡単にChainerを使い始められます! ログイン後、 “pip install –user cupy”, “pip install –user chainer” の2コマンドでイ ンストール完了。GPUを用いた深層学習が開始できます。
22.
Chainerの追加パッケージ 分散深層学習・深層強化学習・コンピュータビジョン ChainerMN: 分散深層学習用追加パッケージ 高いスケーラビリティ(128GPUで100倍の高速化) ChainerRL: 深層強化学習ライブラリ DQN,
DDPG, A3C, ACER, NSQ, PCL, etc. OpenAI Gym サポート ChainerCV: 画像認識アルゴリズム・データセットラッパーを提供 Faster R-CNN, Single Shot Multibox Detector (SSD), SegNet, etc. MN RL CV 分散学習 強化学習 画像認識
23.
ChainerMN: Multi-node Chainerの使いやすさはそのままに、複数GPU、複数ノード安協 で高速に学習することができる GPU GPU InfiniBand GPU GPU InfiniBand
24.
ChainerMNによる分散深層学習 128GPUsを使っておよそ100倍の高速化に成功
25.
他フレームワークと比較しても高速 ImageNetデータセットにてResNet-50モデルを100エポック学 習するのに要した時間による比較
26.
ChainerMNによる分散深層学習 128GPUsを使っておよそ100倍の高速化に成功
27.
How about on
Azure?
28.
高いスケールアウト性能をAzure上で実現 1 10 100 1 2 4
8 16 32 64 Speedup(times) Number of GPUs ChainerMN on Azure (K80, batchsize=32, InfiniBand) ResNet50 on ImageNet Ideal speedup
29.
ChainerMNクラスタセットアップのためのARM (Azure Resource Manager)
Templateを公開予定
Descargar ahora