ディープラーニングをいつやるか?～今でしょ！
- 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
- 7. 自然言語処理 DEEP LEARNING 顿础驰2016讲演资料 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
- 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
- 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