Preferred Networks（PFN）は2018年12月12日、ディープラーニング（深層学習）に特.
Preferred Networksは12月12日、深層学習（ディープラーニング）の学習フェーズに特化した専用チップ「MN-Core」（エムエヌ・コア）を発表した。東京ビッグサイトで開催中の「SEMICON Japan 2018」で展示している。 「MN-Core」。製造プロセスは12ナノメートル、消費電力は500ワット（予測値） 深層学習の特徴である行列演算に特化したチップ。ピーク性能は32.8T FLOPS（倍精度）、131T FLOPS（単精度）、524T FLOPS（半精度）。電力性能（消費電力あ
ソニーは11月13日、ディープラーニングの学習速度で世界最高速（同社調べ）を達成したと発表した。ディープラーニングの認識精度向上のため、学習データのサイズやモデルのパラメータ数が増え、一度の学習に数週間～数カ月かかるケースも出ている中で、学習時間を短縮できる可能性を示したとしている。 AI（人工知能）開発では、さまざまな試行錯誤をする必要があり、学習時間を短縮させることが重要になる。その手段として、複数のGPUを活用した分散学習が注目を集めていたが、GPU数が増えると「一度のデータ処理個数（バッチサイズ）
MicrosoftのOpen Invention Network(OIN)への加入が発表されました。これで、Microsoftが抱える6万件の特許がオープンソースとしてOINコミュニティに開放され、Linux開発者が利用できるようになります。 Microsoft Joins the Open Invention Network Community https
Googleが次世代環境センサーを開発するAclimaと協力し、Googleストリートビューカーに空気の質を検出するセンサーを搭載する計画を発表しました。まずは50台のストリートビューカーにセンサーが取り付けられる予定で、これによって、1区画ごとの空気の質を可視化できるとのこと。 Aclima & Google Scale Air Quality Mapping to More Places Around the World | Environmental Sensor Networks | Aclima
Facebookは、同社が開発し、実際にネットワークトラフィックの管理に使用しているソフトウェアライブラリ「Katran」をオープンソースとして公開した。また、バックボーンネットワークを構築する際の作業を自動化するツールを発表した。 このツールはFacebook主催の年次技術カンファレンス「Networking @Scale」で紹介されたもので、その詳細は2本のブログ記事で説明されている。 FacebookがKatranを作ったのは、ネットワークの負荷分散を改善しながら、バックエンドサーバにより大きな柔軟
