Upgrade to Pro — share decks privately, control downloads, hide ads and more …

機械学習用のGPUマシンのパーツ選びと組み立て方

Aded196e79aeca328942c8b0c817386c?s=47 yasubei
November 09, 2019
How-to & DIY
0
190

 機械学習用のGPUマシンのパーツ選びと組み立て方

Aded196e79aeca328942c8b0c817386c?s=128

yasubei

November 09, 2019
Tweet

More Decks by yasubei

See All by yasubei
BegiLab #27 ベイズ勉強会(56) FactorAnalysis
Aded196e79aeca328942c8b0c817386c?s=48 yasubei
0
110
ベイズ・EMアルゴリズムの紹介
Aded196e79aeca328942c8b0c817386c?s=48 yasubei
2
130
Python/機械学習のざっくり用語解説
Aded196e79aeca328942c8b0c817386c?s=48 yasubei
1
180
分析前処理で手軽に並列処理するために守っておくと良いこと
Aded196e79aeca328942c8b0c817386c?s=48 yasubei
1
280
ベイズ勉強会メモ#8
Aded196e79aeca328942c8b0c817386c?s=48 yasubei
0
110
ベイズメモ_7.pdf
Aded196e79aeca328942c8b0c817386c?s=48 yasubei
0
82
沖縄のPython・データ分析コミュニティの紹介と Tesseract-OCR ver.4による文字認識・学習手法（沖縄版）
Aded196e79aeca328942c8b0c817386c?s=48 yasubei
1
290
地方コミュニティからデータ分析の仕事を始めた話と Tesseract-OCR ver.4による文字認識・学習手法（PyCon mini SAPPORO登壇資料）
Aded196e79aeca328942c8b0c817386c?s=48 yasubei
0
120
物体検出の歴史とM2Detによる最新のアプローチ
Aded196e79aeca328942c8b0c817386c?s=48 yasubei
2
1.1k

Other Decks in How-to & DIY

See All in How-to & DIY
How to Make Grocery Shopping Easier
Bb9247b2dcabfdd441d3d886186f71eb?s=48 listonic
1
360
#分解のススメ 12回 イベントと コミュニティの紹介 そして新規書籍企画
9db5ad8f2c24b5cfaa9c9e09ca275af6?s=48 takasumasakazu
0
100
IoT Devices: Raspberry Pi
1b0af2793f33bc86768fe97a9443c176?s=48 stwn
0
180
紙で申請を出す居酒屋店員のシフト希望と 管理業務をちょっとスマートにする #linedc
32fc21c821f829e470225311c7530832?s=48 n0bisuke2
0
140
Asuka Nakano
6ee778386a9766815a3605b8b25c47ce?s=48 nakano_asuka12
0
310
インターホンからBoxに画像アップロードしてみた話 #iotlt
32fc21c821f829e470225311c7530832?s=48 n0bisuke2
0
200
イヤホンジャックはちゃんと調べてから #iotlt
32fc21c821f829e470225311c7530832?s=48 n0bisuke2
0
190
Gmailノードを作った時のよもやま #noderedjp #nodered
32fc21c821f829e470225311c7530832?s=48 n0bisuke2
0
270
東方とまほらまの今後について
9260cf8a1a6dd81ac381c56547f589d5?s=48 bigtree
0
740
TOMARIGI運営(ZERO FAMILYの皆様へ)
9260cf8a1a6dd81ac381c56547f589d5?s=48 bigtree
0
260
ピンのピッチ幅で苦しんだ #obniz や #gwhack の話 #iotlt
32fc21c821f829e470225311c7530832?s=48 n0bisuke2
0
430
ティファール忘れ問題 #iotlt
32fc21c821f829e470225311c7530832?s=48 n0bisuke2
0
270

Featured

See All Featured
Dealing with People You Can't Stand - Big Design 2015
44b54d2ffcb7857004071cc6795dde11?s=48 cassininazir
350
21k
Creatively Recalculating Your Daily Design Routine
48c098b6579220a67a6ba949be6e4b5a?s=48 revolveconf
206
10k
Responsive Adventures: Dirty Tricks From The Dark Corners of Front-End
B3d6434763caa0ef5dc4b792662c49f7?s=48 smashingmag
237
19k
How to name files
0a4f62e90c976eeb44d33add75cca5af?s=48 jennybc
39
58k
The Illustrated Children's Guide to Kubernetes
0438ae60cde4c7add6f9da48f28c15cc?s=48 chrisshort
14
35k
Statistics for Hackers
56c4053438af8e8b90d6f53cbb7573be?s=48 jakevdp
781
210k
Visualizing Your Data: Incorporating Mongo into Loggly Infrastructure
D8fc2580cfaca035f666d9e4ee79a7f7?s=48 mongodb
29
4.3k
The Mythical Team-Month
E6c6e133e74c3b83f04d2861deaa1c20?s=48 searls
208
39k
Unsuck your backbone
B83d5b590577969ee79a5ad845411a7d?s=48 ammeep
659
55k
Robots, Beer and Maslow
9375a9529679f1b42b567a640d775e7d?s=48 schacon
152
7.1k
How GitHub (no longer) Works
78b475797a14c84799063c7cd073962f?s=48 holman
296
140k
The Most Common Mistakes in Cover Letters
1ce0eb06fd6a9e9566a0cb310cfee635?s=48 jrick
PRO
4
24k

Transcript

  1. ࠓ ि ͷ Θ ͔ Β Μ ઌ ੜ (16Ϛγϯ

    ͕ Θ͔ΒΜ 1ZUIPO#FHJOOFSTԭೄΦʔΨφΠβʔ ΍͢΂͐

  2. ࣗݾ঺հ :BTVCFJ ΍͢΂͐ ZBTVCFJUXJ ZBTVIBSVTV[VLJ IUUQTIVHLVODPN ΤϯδχΞͰ͢ɻ ࡳຈͰήʔϜ։ൃ೥ɹˠɹԭೄͰ։ൃ෼ੳͳͲΛ೥ )VHLVOͱ)VHLVO%BUBͱ͍͏ձࣾ΍ͬͯ·͢ɻ ֶੜ͞ΜͱҰॹʹ࢓ࣄͯ͠8JO8JOͳؔ܎Λங͘ͷ͕޷͖Ͱ͢ɻ

    ۙࠒ͸ົʹݹ͍ήʔϜ͕΍Γͨ͘ͳΔ UXFFUͯͨ͠ͷ͸ʮ'MBQQZʯʮάϥσΟ΢εʯʮελʔιϧδϟʔʯʮ3*%(&3"$&3ʯ ʮ';&30ʯ ͨͿΜಉੈ୅ʹ͔͠Θ͔ΒΜ͡Όͳ͍͔ͱࢥΘΕΔ

  3. ΁͍͠Ό

  4. None
  5. None

  6. ڵຯͷ͋Δํ͸ IVHLVODPN ΛݟͯΈ͍ͯͩ͘͞ ɾТɾ ϊγ

  7. ࠓ೔ͷ͓୊

  8. ࠓ೔ͷ͓୊ (16ϚγϯͰ͢ɻ ೤ͦ͏΍ͳ͍͔͍

  9. ࠓ೔͸׬શʹझຯͰ͢ தೋපͰ͢ ͝ΊΜͳ͍͞

  10. "HFOEB  (16ϚγϯͬͯͳΜ΍ͶΜ  ύʔπબͼ  ߪೖͨ͠΋ͷ  ·ͱΊ

  11. (16ϚγϯͬͯͳΜ΍ͶΜ Θ ͔ Β Μ 

  12. ·͊ҰݴͰ͍͏ͱ ΊͬͪΌػցֶश଎͍ϚγϯͰ͢

  13. Ͳͷ͘Β͍଎͍ͷ͔ ͍͍ͩͨ̍̌ഒ͘Β͍ ଎͍ʢࡶʣ

  14. (16Λ࢖͏ϥΠϒϥϦ 5FOTPS'MPX͕௒༗໊

  15. ྫ͑͹ ը૾ೝࣝ΍Γ͍ͨͳʔ

  16. ݕࡧ͢Ε͹͙͢ʹݟ͔ͭΔ ݕࡧʹ࢖༻͢Δϫʔυ͸ #FHJOOFSTͷTMBDLͳͲͰ ฉ͍ͯ͘ΕΕ͹౴͑·͢Α

  17. ແྉͰ࢖͑Δ(16 ͳ͍ͷʁ

  18. ແྉͰ࢖͑Δ(16 (PPHMF$PMBCPSBUPSZ ɾ࢖͑Δ͚Ͳ஗͍ ɾ̍̎࣌ؒܦͭͱফ͑Δ

  19. ͱ͍͏Θ͚Ͱ ങ͏͜ͱʹ͠·ͨ͠

  20. ͪͳΈʹ ༗ྉͳΒ Ϋϥ΢υʹ΋(16Ϛγϯ ͋Γ·͢ɻߴ͍͚Ͳɻ

  21. (16ͬͯͳΜ΍ͶΜ ·ͱΊ ɾΊͬͪΌ଎͍ ɾ࢖͏ʹ͸ϥΠϒϥϦ͕ඞཁ ɾແྉͰ࢖͑Δ΋ͷ΋͋Δ ɾΫϥ΢υ΋͋Δ

  22. ύʔπબͼ Θ ͔ Β Μ 

  23. (16ͷछྨ

  24. ϝʔΧʔ ػցֶशʹ࢖͑Δͷ͸ O7*%*"ͷ(16͚ͩ ʢݫີʹݴ͏ͱ30$N͕͋ΔͷͰ࢖͑ͳ ͍Θ͚Ͱ͸ͳ͍͕શྗͰ͓͢͢Ί͠ͳ͍ʣ ˕ ☓

  25. O7*%*"ͷ(16ͷछྨ ͨ͘͞Μ͋Γ·͕͢ جຊతʹ͸ੑೳ͕ҧ͏͚ͩ ༧ࢉʹԠͯ͡બͿ ສԁʙສԁ͘Β͍͕͍͍

  26. O7*%*"ͷ(16ͷछྨ தʹ͸͜Μͳͷ΋͋Γ·͢ɻ ສυϧ ങ͑Δํ͸ͪ͜ΒΛ ͓͢͢Ί͠·͢

  27. (16Ҏ֎ͷύʔπ

  28. (16Ҏ֎ͷύʔπ ଞͷύʔπ͕஗͍ͱ શମతͳύϑΥʔϚϯε͕ ্͕Γ·ͤΜ ͳͷͰݫબ͠·͢٩ bТ` و

  29. ύʔπબͼ ·ͱΊ ɾϝʔΧʔ͸O7*%*"ΛબͿ ػցֶश༻ʣ ɾ༧ࢉʹԠͯ͡(16͸બ΂Δ ɾ(16Ҏ֎ͷύʔπ΋͖ͪΜͱݫબ͢Δ

  30. ࣮ࡍʹߪೖͨ͠΋ͷ Θ ͔ Β Μ 

  31. ༧ࢉ ̏̌ສ 5XJUUFSͰݕࡧ͢ΔͱಡΊ·͢ˠɹ!ZBTVCFJUXJTJODFVOUJM

  32. (16

  33. $16

  34. ϚβʔϘʔυ

  35. ਫྫྷ

  36. .FNPSZ

  37. 44%

  38. )%%

  39. ిݯ

  40. έʔε

  41. 04

  42. ࣮අ ໿ສ 5XJUUFSͰݕࡧ͢ΔͱಡΊ·͢ˠɹ!ZBTVCFJUXJTJODFVOUJM

  43. ͏ͪͷΦϑΟεདྷΔͱ ͍͡Γ͍ͨ์୊ͳͷͰ ৮Γ͍ͨํ͸Ͳ͏ͧ͆ ߏங͔Βग़དྷ·͢ʂ

  44. ·ͱΊ Θ ͔ Β Μ 

  45. ·ͱΊ  (16ͬͯͳΜ΍ͶΜ  ύʔπબͼʹ͍ͭͯ  ࣮ࡍʹߪೖͨ͠΋ͷʹ͍ͭͯ ʹ͍ͭͯ঺հ͠·ͨ͠ ʆŋТŋ ʎ

    ଞʹ΋஌Γ͍ͨ͜ͱ͕͋Γ·ͨ͠Βؾܰʹ͝૬ஊͩ͘͞ ͍ɻ

  46. Θ͔ΒΜઌੜγϦʔζʹ͍ͭͯ Θ ͔ Β Μ 

  47. Θ͔ΒΜઌੜγϦʔζ ڵຯ͕͋Δํ͸աڈͷγϦʔζ΋ݟͯΈͯ ͍ͩ͘͞ʂ  ̓ݕఆ  ෺ମݕ஌  ฒྻॲཧ 

    ༻ޠͷઆ໌  ϕΠζ

  48. ©)VHLVOJOD CONFIDENTIAL  ͝ਗ਼ௌ͋Γ͕ͱ͏͍͟͝·ͨ͠(ʆŋωŋ´)ʎ !ZBTVCFJUXJ ZBTVIBSVTV[VLJ IUUQTIVHLVODPN ← ྑ͔ͬͨΒ͓༑ୡʹ ͳΓ·͠ΐ͏ʙ