Enviar búsqueda
Cargar
コード最適化と機械学習. DSIRNLP5 2014/1/11
•
0 recomendaciones
•
1,366 vistas
Yasunobu Sumikawa
Seguir
Tecnología
Denunciar
Compartir
Denunciar
Compartir
1 de 18
Descargar ahora
Descargar para leer sin conexión
Recomendados
SIGMOD'10勉強会 -Session 8-
SIGMOD'10勉強会 -Session 8-
Takeshi Yamamuro
V7リターンズ第1回B面資料です。
20110611 v7unix-b
20110611 v7unix-b
Takayuki Ukai
NAS for CNN
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
Reading ML paper "DARTS: Differentiable Architecture Search" at Tensorflow User Group Tokyo (Japanese)
論文紹介 "DARTS: Differentiable Architecture Search"
論文紹介 "DARTS: Differentiable Architecture Search"
Yuta Koreeda
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
研究に使っているコードの紹介
My code
My code
俊 中村
2019/12/13 Deep Learning JP: http://deeplearning.jp/seminar-2/
[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
PyOpenCLによるGPGPU入門 Tokyo.SciPy#4 編
PyOpenCLによるGPGPU入門 Tokyo.SciPy#4 編
Yosuke Onoue
Recomendados
SIGMOD'10勉強会 -Session 8-
SIGMOD'10勉強会 -Session 8-
Takeshi Yamamuro
V7リターンズ第1回B面資料です。
20110611 v7unix-b
20110611 v7unix-b
Takayuki Ukai
NAS for CNN
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
Reading ML paper "DARTS: Differentiable Architecture Search" at Tensorflow User Group Tokyo (Japanese)
論文紹介 "DARTS: Differentiable Architecture Search"
論文紹介 "DARTS: Differentiable Architecture Search"
Yuta Koreeda
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
研究に使っているコードの紹介
My code
My code
俊 中村
2019/12/13 Deep Learning JP: http://deeplearning.jp/seminar-2/
[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
PyOpenCLによるGPGPU入門 Tokyo.SciPy#4 編
PyOpenCLによるGPGPU入門 Tokyo.SciPy#4 編
Yosuke Onoue
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。
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
Awamoto master thesis
Awamoto master thesis
Awamoto master thesis
pflab
2012-04-25 ASPLOS2012出張報告(公開版)
2012-04-25 ASPLOS2012出張報告(公開版)
Takahiro Shinagawa
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。
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
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
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
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
AWSマイスターシリーズのAmazon ElastiCacheの回の資料です。
20120117 13 meister-elasti_cache-public
20120117 13 meister-elasti_cache-public
Amazon Web Services Japan
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/
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
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
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
X86opti01 nothingcosmos
X86opti01 nothingcosmos
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)
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、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
[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.
アドテク×Scala meetup 2014-11-20 http://connpass.com/event/8384/
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
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
Panel Discussion@WebDB forum 2014
Panel Discussion@WebDB forum 2014
Makoto Yui
部内の新人研修用に作った資料です
良いコードとは
良いコードとは
Nobuyuki Matsui
xDB Replication ブローシャー
xDB Replication ブローシャー
Yuji Fujita
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
[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
Software Development with Symfony
Software Development with Symfony
Atsuhiro Kubo
LoRaWAN スマート距離検出デバイスDS20L日本語マニュアル
LoRaWAN スマート距離検出デバイスDS20L日本語マニュアル
LoRaWAN スマート距離検出デバイスDS20L日本語マニュアル
CRI Japan, Inc.
2024/04/26の勉強会で発表されたものです。
新人研修 後半 2024/04/26の勉強会で発表されたものです。
新人研修 後半 2024/04/26の勉強会で発表されたものです。
iPride Co., Ltd.
Más contenido relacionado
Similar a コード最適化と機械学習. DSIRNLP5 2014/1/11
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。
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
Awamoto master thesis
Awamoto master thesis
Awamoto master thesis
pflab
2012-04-25 ASPLOS2012出張報告(公開版)
2012-04-25 ASPLOS2012出張報告(公開版)
Takahiro Shinagawa
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。
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
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
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
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
AWSマイスターシリーズのAmazon ElastiCacheの回の資料です。
20120117 13 meister-elasti_cache-public
20120117 13 meister-elasti_cache-public
Amazon Web Services Japan
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/
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
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
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
X86opti01 nothingcosmos
X86opti01 nothingcosmos
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)
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、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
[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.
アドテク×Scala meetup 2014-11-20 http://connpass.com/event/8384/
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
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
Panel Discussion@WebDB forum 2014
Panel Discussion@WebDB forum 2014
Makoto Yui
部内の新人研修用に作った資料です
良いコードとは
良いコードとは
Nobuyuki Matsui
xDB Replication ブローシャー
xDB Replication ブローシャー
Yuji Fujita
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
[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
Software Development with Symfony
Software Development with Symfony
Atsuhiro Kubo
Similar a 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
Último
LoRaWAN スマート距離検出デバイスDS20L日本語マニュアル
LoRaWAN スマート距離検出デバイスDS20L日本語マニュアル
LoRaWAN スマート距離検出デバイスDS20L日本語マニュアル
CRI Japan, Inc.
2024/04/26の勉強会で発表されたものです。
新人研修 後半 2024/04/26の勉強会で発表されたものです。
新人研修 後半 2024/04/26の勉強会で発表されたものです。
iPride Co., Ltd.
Syed Talal Wasim, Muzammal Naseer, Salman Khan, Ming-Hsuan Yang, Fahad Shahbaz Khan , "Video-GroundingDINO: Towards Open-Vocabulary Spatio-Temporal Video Grounding" arXiv2024 https://arxiv.org/abs/2401.00901v2
論文紹介:Video-GroundingDINO: Towards Open-Vocabulary Spatio-Temporal Video Groun...
論文紹介:Video-GroundingDINO: Towards Open-Vocabulary Spatio-Temporal Video Groun...
Toru Tamaki
LoRaWANスマート距離検出センサー DS20Lカタログ
LoRaWANスマート距離検出センサー DS20L カタログ LiDARデバイス
LoRaWANスマート距離検出センサー DS20L カタログ LiDARデバイス
CRI Japan, Inc.
2024/04/26の勉強会で発表されたものです。
Amazon SES を勉強してみる その22024/04/26の勉強会で発表されたものです。
Amazon SES を勉強してみる その22024/04/26の勉強会で発表されたものです。
iPride Co., Ltd.
Jue Wang, Wentao Zhu, Pichao Wang, Xiang Yu, Linda Liu, Mohamed Omar, Raffay Hamid, " Selective Structured State-Spaces for Long-Form Video Understanding" CVPR2023 https://openaccess.thecvf.com/content/CVPR2023/html/Wang_Selective_Structured_State-Spaces_for_Long-Form_Video_Understanding_CVPR_2023_paper.html
論文紹介:Selective Structured State-Spaces for Long-Form Video Understanding
論文紹介:Selective Structured State-Spaces for Long-Form Video Understanding
Toru Tamaki
This is an introduction to MAPPO's paper.
論文紹介: The Surprising Effectiveness of PPO in Cooperative Multi-Agent Games
論文紹介: The Surprising Effectiveness of PPO in Cooperative Multi-Agent Games
atsushi061452
NewSQLの可用性構成パターン (OCHaCafe Season 8 #4 発表資料) 2024年5月8日(水) NTTデータグループ 技術開発本部 小林 隆浩
NewSQLの可用性構成パターン(OCHaCafe Season 8 #4 発表資料)
NewSQLの可用性構成パターン(OCHaCafe Season 8 #4 発表資料)
NTT DATA Technology & Innovation
2024年4月に社内向けに開催した勉強会資料の社外公開版です
業務で生成AIを活用したい人のための生成AI入門講座(社外公開版:キンドリルジャパン社内勉強会:2024年4月発表)
業務で生成AIを活用したい人のための生成AI入門講座(社外公開版:キンドリルジャパン社内勉強会:2024年4月発表)
Hiroshi Tomioka
2022年10月27日に社内向けに開催した勉強会資料の社外公開版です(発表8分程度)
Observabilityは従来型の監視と何が違うのか(キンドリルジャパン社内勉強会:2022年10月27日発表)
Observabilityは従来型の監視と何が違うのか(キンドリルジャパン社内勉強会:2022年10月27日発表)
Hiroshi Tomioka
2024/04/26の勉強会で発表されたものです。
Amazon SES を勉強してみる その32024/04/26の勉強会で発表されたものです。
Amazon SES を勉強してみる その32024/04/26の勉強会で発表されたものです。
iPride Co., Ltd.
Último
(11)
LoRaWAN スマート距離検出デバイスDS20L日本語マニュアル
LoRaWAN スマート距離検出デバイスDS20L日本語マニュアル
新人研修 後半 2024/04/26の勉強会で発表されたものです。
新人研修 後半 2024/04/26の勉強会で発表されたものです。
論文紹介:Video-GroundingDINO: Towards Open-Vocabulary Spatio-Temporal Video Groun...
論文紹介:Video-GroundingDINO: Towards Open-Vocabulary Spatio-Temporal Video Groun...
LoRaWANスマート距離検出センサー DS20L カタログ LiDARデバイス
LoRaWANスマート距離検出センサー DS20L カタログ LiDARデバイス
Amazon SES を勉強してみる その22024/04/26の勉強会で発表されたものです。
Amazon SES を勉強してみる その22024/04/26の勉強会で発表されたものです。
論文紹介:Selective Structured State-Spaces for Long-Form Video Understanding
論文紹介:Selective Structured State-Spaces for Long-Form Video Understanding
論文紹介: The Surprising Effectiveness of PPO in Cooperative Multi-Agent Games
論文紹介: The Surprising Effectiveness of PPO in Cooperative Multi-Agent Games
NewSQLの可用性構成パターン(OCHaCafe Season 8 #4 発表資料)
NewSQLの可用性構成パターン(OCHaCafe Season 8 #4 発表資料)
業務で生成AIを活用したい人のための生成AI入門講座(社外公開版:キンドリルジャパン社内勉強会:2024年4月発表)
業務で生成AIを活用したい人のための生成AI入門講座(社外公開版:キンドリルジャパン社内勉強会:2024年4月発表)
Observabilityは従来型の監視と何が違うのか(キンドリルジャパン社内勉強会:2022年10月27日発表)
Observabilityは従来型の監視と何が違うのか(キンドリルジャパン社内勉強会:2022年10月27日発表)
Amazon SES を勉強してみる その32024/04/26の勉強会で発表されたものです。
Amazon SES を勉強してみる その32024/04/26の勉強会で発表されたものです。
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
Descargar ahora