GTC2017 - 個人的トピック - KaiGaiの俺メモ
個人的トピックまとめ。 ポスター発表 今回、急遽渡米することを決めた理由がこのポスター発表。 セッションやトレーニングと並行して、GTCではGPUを用いた研究開発ネタのポスター展示が行われており、今年は約140件のポスター展示が採択されている。 このうち、プログラム委員の評価が高い20件が、S7480 - Fast Forward Poster Program for the Top 20 Posters のセッションで各々4minづつの発表を行う。さらに Top-20 の中からプログラム委員が事前に選定した5件が "Top-5 Poster Finalist" という扱いで、コンベンションセンターの正面、最も目立つ場所に掲載され、参加者がモバイルアプリ経由でどのポスターが気に入ったかを投票する。 最も票を集めたポスターには GTC2017 Poster Winner Award と副賞$
2017年の開発ロードマップについて考える - KaiGaiの俺メモ
あけましておめでとうございました。（やや出遅れ感） 新年という事で、この一年、どういった技術開発に取り組んでいきたいかをざーっと書き出してみる事にする。 これらのうち、いくつかはPostgreSQL本体機能の強化を伴うものであったりするので、ある程度計画的にモノゴトを進めないといけないワケで…。 PG-Strom v2.0 先ず最優先で取り組むのが、PostgreSQL v9.6への対応。 CPUパラレル実行と、新しいオプティマイザへの対応でかなり大きなアーキテクチャ上の変更を伴ったものの、全体としてはよりシンプルな設計に落とし込む事ができている。 ちなみに、現状だとこの程度までは動くようになっている。 集約演算がGroupAggregateとGpuPreAggの二段階に分解されており、GpuPreAggはGatherの配下で並列に動作している事に注目。 postgres=# EXPLAI
Retty流『2200万ユーザを支える機械学習基盤』の作り方 - Qiita
みなさん、こんにちは。Retty CTO の樽石です。 この記事は Retty Advent Calendar 25日目です。メリークリスマス。 昨日は @ttakeoka の『MFIにむけてRettyの取り組み』でした。 今年も残りわずかになりました。いかがお過ごしですか？ Retty はこの １ 年でエンジニアがほぼ倍増しました。それによって、情報発信者が増え、Advent Calendar に参加出来るようになりました。みんな楽しそうにしていて、うれしいです。 Retty Inc. Advent Calendar 2016 - Qiita さて、今年最後の Retty Advent Calendar 記事を書くということで、はじめは １年のまとめ的内容にしようかと思いましたが、それでは平凡で面白くありません。そこで、ネタになりそうなマニアックな技術的記事で締めくくりたいと思います。
PFNが語る、GPUインフラ調達の考え方とは
2016年度中に5ペタFLOPS（1秒当たりの浮動小数点演算性能）のGPUインフラを使えるようにする――。AI（人工知能）分野で国内トップ級の技術力を持つスタートアップ企業、Preferred Networks（PFN）が社内で掲げる目標である。 ディープラーニング（多層ニューラルネットを使った機械学習）は、画像認識からロボティクス、自然言語処理まで適用が進み、大きな成果を挙げている。 そのディープラーニングの学習を担う要となるITインフラが、GPU（グラフィックス・プロセッシング・ユニット）搭載サーバーである。 特に米グーグルは、囲碁でプロ棋士を破った「AlphaGo」から、高い精度でテキストを翻訳する「Gogole Translate」まで、ニューラルネットの学習や推論に大量のGPUインフラを活用している。例えばAlphaGoの場合、2015年10月に欧州のプロ棋士と勝負した際は、12
エルザ・ジャパン様の対応が神レベルだった件 - KaiGaiの俺メモ
雑文です。 現在取り組んでいる SSD-to-GPU ダイレクト機能の実装には、PostgreSQL/PG-Strom側の機能拡張だけれなく、NVMe SSDからGPU RAMへのDMAを実行する Linux kernel ドライバの開発が必要になる。 Linux kernelにはDMAを実行するためのインフラが既に多数揃っているので、ドライバの開発自体はそれほど大仕事ではないのだが、GPUがその機能に対応している必要がある。 NVIDIA提供のドキュメントによると、 GPUDirect RDMA :: CUDA Toolkit Documentation GPUDirect RDMA is available on both Tesla and Quadro GPUs. と、あり、いわゆるコンシューマ向け廉価製品であるGTXでは対応していない。 対応していないというのは、GPU上のRAM
MapD: Massive Throughput Database Queries with LLVM on GPUs | NVIDIA Technical Blog
Note: this post was co-written by Alex Şuhan and Todd Mostak of MapD. At MapD our goal is to build the world’s fastest big data analytics and visualization platform that enables lag-free interactive exploration of multi-billion row datasets. MapD supports standard SQL queries as well as a visualization API that maps OpenGL primitives onto SQL result sets. Although MapD is fast running on x86-64 CP
マイクロソフトはどうやってBingをFPGAで実装したか - Qiita
ドワンゴがニコ動の画像配信向けにFPGAエンジニアを募集したり、マイクロソフトはBingをFPGA実装したり、Baiduもディープラーニングの高速化にFPGAを導入したりと、なんだか世の中急にハードウェアくさくなってきた。IoTとは違う意味で。 金融分野ではすでにCPUでは遅すぎてFPGAによるナノ秒単位の株取引が行われているって記事を書いたのは2年前だけど、ここ数年はIntelのCPUのクロックもあまり上がらなくなってきたし、Fusion-ioやNetezzaといった大手御用達のハイエンド鬼速ストレージも、フタを開ければ中身はすでにFPGAに移行済み。IBMが最近出したData Engine for NoSQLという製品ではPOWER8プロセッサにFPGAを直付けしてRedisを高速化したり。いよいよデータセンターにも、先の見えないCPUに代わってFPGAやGPUを導入する波が押し寄せつ
PyCUDAの紹介
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〜 #2Preferred Networks
hgpu.org
In this paper, we focus on three sparse matrix operations that are relevant for machine learning applications, namely, the sparse-dense matrix multiplication (SPMM), the sampled dense-dense matrix multiplication (SDDMM), and the composition of the SDDMM with SPMM, also termed as FusedMM. We develop optimized implementations for SPMM, SDDMM, and FusedMM operations utilizing Intel oneAPI’s Explicit
並列環境におけるreduceとscanアルゴリズム
"fireking" by cmyk1219 1. 概要 reduceとscanはGPGPUなどの並列環境下において重要な役割を果たす関数だけど、あまりこれらの関数、特にscanについて言及している記事はあまり見かけない。なので今回はreduceとscanについて調べた結果をまとめていきたいと思う。 2. reduce, scan関数の概要 2.1. reduce scanについてはreduceが分かればより理解しやすくなるので、ひとまずはreduceから始めることにする。 reduceとは、端的に言うと、対象のリストを与えられた二項演算子で纏め上げる関数だ。とは言っても、いきなりそんなことを言われてもよく分からない。まずは例を見ていこう: >>> import operator >>> reduce(operator.add, [1, 2, 3, 4, 5]) 15 >>> reduce
CUDA Profilerを使う - CUDA Information Site
CUDA Visual Profilerを使う ではGUI経由でプロファイルをとる方法について説明しました。 さて、CUDA Visual ProfilerはGUIを使うため、ディスプレイが無い環境や、計測結果を他のツールで見たい場合などは使えません。 ここでは、CUDA Visual Profilerを使わないプロファイルのしかたについて説明します。 CUDAプログラムは標準でプロファイルを取る機能が付いており、環境変数を設定したあと、プログラムを実行するだけでプロファイルすることができます。 設定する環境変数は以下4つです。 CUDA_PROFILE : 1 にするとプロファイルが行われる CUDA_PROFILE_CONFIG : 設定ファイル名 CUDA_PROFILE_LOG : 出力ファイル名。指定しない場合はcuda_profile.log CUDA_PROFILE_CSV
『Scientific Linux 6 に CUDAをインストールした(多分CentOS6も同様)』
Scientific Linux 6 に CUDAをインストールした(多分CentOS6も同様) | たけおか ぼちぼち日記 Scientific Linux 6 に CUDAを入れる。 Scientific Linuxは、むやみにアップデートすると、nVidiaが動かなくなったりする。 その時は、デバイス・ドライバを再コンパイルする。 今回は、Scientific Linuxの下記の版での話(これ以前も、同様でうまく行っている) Linux 2.6.32-220.7.1.el6.x86_64 -- インストールした、nVidiaのファイルは、次の3つ。 NVIDIA-Linux-x86_64-295.20.run cudatoolkit_4.1.28_linux_64_rhel6.x.run gpucomputingsdk_4.1.28_linux.run -- Scientific L
Smiling Life : CentOS 6におけるNVIDIA製ドライバのインストール方法
2011年09月19日15:36 カテゴリ CentOS 6におけるNVIDIA製ドライバのインストール方法 CentOS 6ではこれまで通りのNVIDIAドライバのインストール方法ではねられてしまい、インストールすることができません。これはrunlevel 3でブートしてもログイン画面までに、OS標準のドライバ(nouveau)がロードされてしまって、このドライバがGPUを占拠するため、ドライバのインストールができなくなることが原因のようです。ちなみにnouveauのドライバはそれ自体問題はなく、通常利用する分には不足ありませんが、GPUをCUDAなどによってGPGPU利用をしようする時には必ずNVIDIA製のドライバインストールが必要になります。 さて、以下にNVIDIA製のドライバインストール方法を説明します。 1. nouveauをロードせずにブートする /etc/inittabを
NVIDIA，「CUDA 5」を正式発表。第2世代Kepler「GK110」に向けた準備が整う
NVIDIA，「CUDA 5」を正式発表。第2世代Kepler「GK110」に向けた準備が整う ライター：米田 聡 NVIDIAの開発するGPUコンピューティング向け開発環境「CUDA」。その最新版「CUDA 5」は，2012年8月からリリース候補版がダウンロード可能になっていたが，いよいよ正式版がリリースされることになった。 それに合わせ，アジア太平洋地域の報道関係者を対象とした電話会議が開催され，CUDA 5の概要が語られたので，今回はその内容を簡単にまとめてみたい。 GK110コアの「Tesla K20」に向けた準備が整うCUDA 5 電話会議で説明を担当したのは，米NVIDIAでGPUコンピューティングソフトウェア部門でシニアプロダクトマネージャを務めるWill Ramey氏だ。同氏が示したCUDA 5のトピックは下に示したスライドのとおりで，これらは第2世代Keplerアーキテク
Debunking the 100X GPU vs. CPU Myth (訳:GPUなら100倍速いという神話を覆す) - 2012-12-02 - J
この記事は GPGPU Advent Calender の二日目の記事です。 二日目の内容がコレかよ！というみなさんのつっこみが本編です。以下の内容はオマケとなります。 http://pcl.intel-research.net/publications/isca319-lee.pdf 時は2010年…くーだ使えば100倍とか1000倍とか速くなるんでしょ？なんでCPUそんな遅いの？などと、世界中でボロクソに言われたIntelは、ついにブチ切れて、「お前らは全員間違ってる！俺がその間違いを正してやる！」という内容の論文をISCAに投稿するのだった… という事情だったのかどうかは知らないですが、内容としては、↓このグラフが全てを物語っていて、 「GPUだと100倍速いとか言うけど、あれはCPUのコードを最適化してないからで、CPUも最適化すれば、平均たったの2.5倍しか速くならない」、という
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く
APUNet: Revitalizing GPU as Packet Processing Accelerator | USENIX
GPU Programming in Rust: Implementing High Level Abstractions in a Systems Level Language
GPGPU Accelerates PostgreSQL (English)
(JP) GPGPUがPostgreSQLを加速する
関西GPGPU勉強会 #3 (2013/03/23 13:00〜)
