일 | 월 | 화 | 수 | 목 | 금 | 토 |
---|---|---|---|---|---|---|
1 | 2 | 3 | 4 | 5 | 6 | 7 |
8 | 9 | 10 | 11 | 12 | 13 | 14 |
15 | 16 | 17 | 18 | 19 | 20 | 21 |
22 | 23 | 24 | 25 | 26 | 27 | 28 |
29 | 30 | 31 |
Tags
- visual viewpoint
- Graph Neural Networks
- FORTRAN
- parametric approach
- feature cropping
- cross-entropy loss
- implicit rule
- geometric viewpoint
- human keypoints
- EECS 498-007/598-005
- cv
- 내장함수
- multiclass SVM loss
- L1 distance
- L2 distance
- implicit rules
- data-driven approach
- fortran90
- cs224w
- gfortran
- print*
- 산술연산
- tensor core
- format이 없는 입출력문
- GNN
- computer vision
- Semantic Gap
- object detection
- image classification
- algebraic viewpoint
Archives
- Today
- Total
목록tensor core (1)
수리수리연수리 코드얍
[EECS 498-007/598-005] 9강. Hardware and Software (1)
1. Hardware 컴퓨터 본체 내부를 들여다보면, 큰 부피를 차지하고 있는 CPU와 GPU를 볼 수 있다. 실제로 이 둘은 그만큼 중요한 구성 요소이다. NVIDIA와 AMD는 하드웨어계의 유명한 라이벌이지만, 딥러닝 분야에 있어서는 승자가 확실하다. 바로 NVIDIA다. AMD의 경우 딥러닝을 위한 범용 컴퓨팅(general-purpose computing)에 활용되는 software stack이 NVIDIA의 것만큼 발전하지 못했기 때문에 딥러닝을 할 때는 NVIDIA의 hardware가 보편적으로 사용된다. 딥러닝에서 GPU라 하면 사실상 NVIDIA GPU라고 보면 된다. ※ 이때 범용 컴퓨팅이란 가전제품 제어, 비행기 항로 제어 등 특수한 목적만을 수행하는 것이 아닌, 사무 처리, 계산 등 ..
놀라운 Deep Learning/Deep Learning for Computer Vision
2023. 2. 20. 11:25