BROADCASTS.com

b'\\u30b2\\u30b9\\u30c8\\u306bkotone\\u3055\\u3093\\u3092\\u62db\\u304d\\u3001\\u30c7\\u30a3\\u30fc\\u30d7\\u30e9\\u30fc\\u30cb\\u30f3\\u30b0\\u3001\\u6a5f\\u68b0\\u5b66\\u7fd2\\u3068\\u305d\\u306e\\u30a2\\u30eb\\u30b4\\u30ea\\u30ba\\u30e0\\u3084\\u8a08\\u7b97\\u7528\\u30de\\u30b7\\u30f3\\u306b\\u3064\\u3044\\u3066\\u8a71\\u3057\\u307e\\u3057\\u305f\\u3002

Show notes

\\n
• \\u6a5f\\u68b0\\u5b66\\u7fd2 (Wikipedia)
\\n
• \\u30c7\\u30a3\\u30fc\\u30d7\\u30e9\\u30fc\\u30cb\\u30f3\\u30b0(\\u6df1\\u5c64\\u5b66\\u7fd2) (Wikipedia)
\\n
• \\u30cb\\u30e5\\u30fc\\u30e9\\u30eb\\u30cd\\u30c3\\u30c8\\u30ef\\u30fc\\u30af (Wikipedia)
\\n
• \\u30d1\\u30fc\\u30bb\\u30d7\\u30c8\\u30ed\\u30f3 (Wikipedia)
\\n
• GPU (Wikipedia)
\\n
• \\u30c7\\u30a3\\u30fc\\u30d7\\u30e9\\u30fc\\u30cb\\u30f3\\u30b0\\u5165\\u9580 Chainer \\u30c1\\u30e5\\u30fc\\u30c8\\u30ea\\u30a2\\u30eb
\\n
• \\u682a\\u5f0f\\u4f1a\\u793e Preferred Networks
\\n
• Chainer
\\n
• NVIDIA CUDA-X GPU-Accelerated Libraries for AI and HPC
\\n
• Preferred Networks\\u30011024\\u500b\\u306eGPU\\u3067\\u30c7\\u30a3\\u30fc\\u30d7\\u30e9\\u30fc\\u30cb\\u30f3\\u30b0\\u306e\\u4e16\\u754c\\u6700\\u9ad8\\u901f\\u3092\\u5b9f\\u73fe\\u3068\\u767a\\u8868
\\n
• NARUTO -\\u30ca\\u30eb\\u30c8- \\u75be\\u98a8\\u4f1d
\\n
• \\u30ca\\u30eb\\u30c8\\u5168\\u5dfb\\u30bb\\u30c3\\u30c8
\\n
• ImageNet\\u2026\\u5b66\\u7fd2\\u7528\\u306e\\u753b\\u50cf\\u30c7\\u30fc\\u30bf\\u30bb\\u30c3\\u30c8
\\n
• \\u7573\\u307f\\u8fbc\\u307f\\u30cb\\u30e5\\u30fc\\u30e9\\u30eb\\u30cd\\u30c3\\u30c8(Wikipedia)
\\n
• THE MNIST DATABASE of handwritten digits\\u2026\\u624b\\u66f8\\u304d\\u6587\\u5b57\\u8a8d\\u8b58\\u7528\\u306e\\u30c7\\u30fc\\u30bf\\u30bb\\u30c3\\u30c8
\\n
• \\u8aa4\\u5dee\\u9006\\u4f1d\\u64ad\\u6cd5 (Wikipedia)\\u2026\\u30d0\\u30c3\\u30af\\u30d7\\u30ed\\u30d1\\u30b2\\u30fc\\u30b7\\u30e7\\u30f3
\\n
• Data Parallelism VS Model Parallelism in Distributed Deep Learning Training\\u2026\\u30c7\\u30fc\\u30bf\\u4e26\\u5217\\u3068\\u30e2\\u30c7\\u30eb\\u4e26\\u5217\\u306e\\u9055\\u3044
\\n
• Extremely Large Minibatch SGD: Training ResNet-50 on ImageNet in 15 Minutes (arXiv)\\u2026PFN\\u304c\\u9054\\u6210\\u3057\\u305f\\u8d85\\u9ad8\\u52b9\\u7387\\u30c7\\u30fc\\u30bf\\u4e26\\u5217\\u5b66\\u7fd2
\\n
• One weird trick for parallelizing convolutional neural networks (arXiv)\\u2026\\u7573\\u307f\\u8fbc\\u307f\\u30cb\\u30e5\\u30fc\\u30e9\\u30eb\\u30cd\\u30c3\\u30c8\\u30ef\\u30fc\\u30af\\u306e\\u30e2\\u30c7\\u30eb\\u4e26\\u5217\\u5316
\\n
• Performance Analysis of a Pipelined Backpropagation Parallel Algorithm (IEEE)\\u2026\\u30d1\\u30a4\\u30d7\\u30e9\\u30a4\\u30f3\\u5316\\u306b\\u3088\\u308b\\u5c64\\u4e26\\u5217\\u5316\\u306e\\u691c\\u8a3c
\\n
• GPipe: Efficient Training of Giant Neural Networks using Pipeline Parallelism (arXiv)\\u2026\\u30de\\u30a4\\u30af\\u30ed\\u30d0\\u30c3\\u30c1\\u30d1\\u30a4\\u30d7\\u30e9\\u30a4\\u30f3\\u5316\\u306b\\u3088\\u308b\\u5c64\\u4e26\\u5217\\u5316\\u306e\\u5b9f\\u88c5
\\n
• Decoupled Neural Interfaces using Synthetic Gradients (arXiv)\\u2026\\u8aa4\\u5dee\\u9006\\u4f1d\\u64ad\\u306b\\u5fc5\\u8981\\u306a\\u52fe\\u914d\\u3092\\u751f\\u6210\\u3059\\u308b\\u3053\\u3068\\u3067\\u4e26\\u5217\\u5316\\u53ef\\u80fd\\u3068\\u3059\\u308b\\u5b66\\u7fd2\\u624b\\u6cd5
\\n
• Direct Feedback Alignment Provides Learning in Deep Neural Networks (arXiv)\\u2026\\u5c64\\u3054\\u3068\\u306e\\u8aa4\\u5dee\\u9006\\u4f1d\\u64ad\\u304c\\u4e0d\\u8981\\u306a\\u5b66\\u7fd2\\u624b\\u6cd5
\\n
• Training Neural Networks with Local Error Signals (arXiv)\\u2026\\u5927\\u57df\\u7684\\u306a\\u8aa4\\u5dee\\u4fe1\\u53f7\\u304c\\u4e0d\\u8981\\u306a\\u5b66\\u7fd2\\u624b\\u6cd5
\\n
• \\u30b9\\u30fc\\u30d1\\u30fc\\u30b3\\u30f3\\u30d4\\u30e5\\u30fc\\u30bf\\u300c\\u4eac\\u300d\\u306f\\u3068\\u3066\\u3064\\u3082\\u306a\\u304f\\u901f\\u3044
\\n
• \\u30b9\\u30fc\\u30d1\\u30fc\\u30b3\\u30f3\\u30d4\\u30e5\\u30fc\\u30bf\\u300c\\u5bcc\\u5cb3\\u300d\\u30d7\\u30ed\\u30b8\\u30a7\\u30af\\u30c8
\\n
• \\u30b9\\u30d1\\u30b3\\u30f3\\u64a4\\u53bb\\u3067\\u300c\\u4eca\\u306f\\u7121\\u304d\\u4eac\\u524d\\u300d\\uff1f\\u3000\\u99c5\\u540d\\u304c\\u8a71\\u984c
\\n
• GUNSLINGER GIRL (\\u516815\\u5dfb)\\u2026Kotone\\u3055\\u3093\\u304a\\u3059\\u3059\\u3081\\u306e\\u30de\\u30f3\\u30ac
\\n
• Researchat.fm \\u304a\\u4fbf\\u308a\\u30d5\\u30a9\\u30fc\\u30e0\\u2026Researchat.fm\\u3067\\u306f\\u30ea\\u30b9\\u30ca\\u30fc\\u306e\\u65b9\\u304b\\u3089\\u306e\\u304a\\u4fbf\\u308a\\u3092\\u52df\\u96c6\\u4e2d\\u3067\\u3059\\u3002\\u3088\\u308d\\u3057\\u304f\\u304a\\u9858\\u3044\\u3057\\u307e\\u3059\\u3002
\\n

Editorial notes

\\n
• \\u751f\\u547d\\u79d1\\u5b66\\u306e\\u5185\\u5bb9\\u304c\\u30e1\\u30a4\\u30f3\\u306e\\u30dd\\u30c3\\u30c9\\u30ad\\u30e3\\u30b9\\u30c8\\u306b\\u547c\\u3093\\u3067\\u3044\\u305f\\u3060\\u304d\\u3042\\u308a\\u304c\\u3068\\u3046\\u3054\\u3056\\u3044\\u307e\\u3057\\u305f\\u3002\\u3068\\u3066\\u3082\\u697d\\u3057\\u304f\\u53ce\\u9332\\u3055\\u305b\\u3066\\u3044\\u305f\\u3060\\u3044\\u305f\\u306e\\u3067\\u7686\\u3055\\u307e\\u306b\\u3082\\u697d\\u3057\\u3093\\u3067\\u3044\\u305f\\u3060\\u3051\\u308c\\u3070\\u5e78\\u3044\\u3067\\u3059\\u3002\\u3044\\u305a\\u308c\\u30a2\\u30a4\\u30de\\u30b9\\u306e\\u8a71\\u3082\\u30ea\\u30d9\\u30f3\\u30b8\\u3057\\u305f\\u3044\\u3067\\u3059\\u306d (kotone)
\\n
• \\u6a5f\\u68b0\\u5b66\\u7fd2\\u30cd\\u30bf\\u3001\\u3053\\u308c\\u307e\\u3067\\u3068\\u306f\\u7570\\u306a\\u308b\\u30c6\\u30fc\\u30de\\u3067\\u3068\\u3066\\u3082\\u826f\\u304b\\u3063\\u305f\\u3067\\u3059\\u306d (soh)
\\n
• \\u4ed6\\u5206\\u91ce\\u306e\\u8a71\\u3092\\u8074\\u304f\\u306e\\u306f\\u697d\\u3057\\u3044\\u301c\\u301c\\u301c(tadasu)
\\n
• \\u3053\\u3068\\u306d\\u3055\\u3093\\u51fa\\u6f14\\u3042\\u308a\\u304c\\u3068\\u3046\\u3054\\u3056\\u3044\\u307e\\u3057\\u305f\\uff01\\u97f3\\u6e90\\u304c\\u843d\\u3061\\u3066\\u3057\\u307e\\u3063\\u305f\\u30a2\\u30a4\\u30de\\u30b9\\u306e\\u8a71\\u3082\\u307e\\u305f\\u4eca\\u5ea6\\u662f\\u975e\\uff01(coela)
\\n