コスプレ ハロウィン アメコミ オススメランキング

　ＦＣ東京―新潟　後半、同点ゴールを決め駆けだすＦＣ東京・石川＝中央（18日、味の素スタジアム）＝共同

　　Ｊリーグ・ヤマザキナビスコ・カップ１次リーグ第１節（18日・川崎市等々力陸上競技場ほか＝６試合）Ｂ組の名古屋は川又の２得点の活躍などで川崎に３―１で勝ち、開幕戦を白星で飾った。山形は清水、仙台は横浜Ｍを破った。

　　Ａ組は６年ぶりの優勝を目指すＦＣ東京が石川のゴールなどで新潟に２―１と逆転勝ちし、湘南は甲府、鳥栖は松本を下した。

　　１次リーグはアジア・チャンピオンズリーグ（ＡＣＬ）に出場しているＧ大阪、浦和、鹿島、柏を除く14チームが２組に分かれて行われ、各組上位２チームが準々決勝に進む。〔共同〕

　NVIDIAは同社主催の「GPU Technology Conference 2015(GTC 2015)」において、単精度浮動小数点の場合、7TFlopsという性能を実現したハイエンドGPU「Titan X」を発表した。価格は999ドルと発表されており、コンシューマ向けのGPUである。

　GTC2015の基調講演で、Titan Xを発表する同社CEOのJen-Hsun Huang氏。Titan Xは3072 Cudaコアを集積し、単精度では7TFlopsのピーク演算性能を持つ

　Titan Xは3072 Cudaコアを集積し、単精度(SP)浮動小数点では7TFlopsという高い性能を持つ。これまでの最上位のGeForce 980は2048 CUDAであるので、コア数を1.5倍に引き上げている。

　なお、NVIDIAの製品ページでは、コアクロックは通常1GHzで、ブースト時でも1.075GHzとなっており、3072×2×1.075=6.6048となり、基調講演での7TFlopsには若干届かない。

　倍精度(DP)の演算性能は0.2TFlopsと単精度の1/32程度の値であり、倍精度の演算器は申し訳程度に積まれているという構造になっている。ゲームなどで必要なグラフィックスのための演算は単精度で十分であり、また、今回のGTCのメインテーマであるニューラスネットワークのDeep Learningにおいても単精度で十分であるので、倍精度演算器にチップ面積を割くという設計にはなっていない。

　そして、Titan Xのデバイスメモリは12GBで、メモリの転送速度は7Gbps、このメモリを含めて、消費電力は250Wと発表されている。

　画像認識に関してImageNet Large Scale Visual Recognition Challengeという競争がある。人間でも、これは何の写真? と迷うようなものもあり、訓練した人間でも正解率は95%(誤り率5%)程度である。これに対して、2015年の1月に中国のBaidu(百度)は誤り率5.98%という成果を発表し、2月6日にはMicrosoftが4.98%の誤り率という人間を上回る性能を達成したことを発表した。そうすると、1週間も経たない2月11日にGoogleが4.82%を達成と発表するというデッドヒートの状態となっている。

　 Baidu、Microsoft、GoogleのImageNet Large Scale Visual Recognition Challengeの成果を説明するHuang氏

　なお、写真のCEOであるジェンスン・ファン(Jen-hsun Huang)氏の後に見えるグラフは認識率の年次推移を示すもので、2010年は72%、2011年は74%とゆっくりとした改善であったが、2012年にトロント大学のHinton教授のグループが新しいラーニング法を開発し84%と大幅な改善を実現した。Huang氏はビッグバンと表現していたが、この改善がMicrosoft、Googleの95%を超える成果に繋がっている。

　また、これらのネット企業は、イメージのサーチサービスなどにこの認識を使用しており、認識率で他社に負けるわけには行かないという事情がある。

　画像認識であるが、元の画像のピクセルの色、明るさの情報は32ビットの単精度、あるいはその半分の16ビットのFP16というフォーマットで十分である。このため、Titan Xでは16ビットのFP16という半精度浮動小数点演算をサポートしている。GPUの32ビットのレジスタに2つのFP16の数値を詰め込んでいるので、FP16の数値はx86のSIMDのように連続したアドレスである必要があるが、うまく使えば、同じデータ量で2倍の演算ができることになり、性能を向上させられる。

　画像認識ではニューラルネットワークにトレーニング画像と呼ぶ多数の画像を学習させて、ニューロン間の情報伝達の重みを調整して、正しい認識ができるように持っていく。これが学習である。ニューロン間には膨大な数の接続があり、それぞれの重みを調整して行くためには膨大な計算が必要となる。さらに多数(ImagenetのLSVRCではトレーニング画像は6万枚)の画像を学習する必要があるので、膨大な計算量となる。

　Huang氏は、AlexNetというニューラルネットワークを学習させる場合、この計算を16コアのXeonで行うと約43日かかるが、Titanを使うと6日、今回発表のTitan XとcuDNN(CudaのDeep Neural Network用のライブラリ)を使うと約2.5日という結果を示した。

　Deep Learningの所要時間の比較。左端が16コアXeonで、約43日かかっているが、右端のTitan XとcuDNNを使えば3日以下となる

　43日かかる作業は、おいそれと始めることはできないが、1週間以下で終わるならずっとやり易く、時間比率以上に大きな意義があるとHuang氏は主張していた。

　ニューラルネットワークを学習させるという作業は、研究者や開発者が行う作業で、ユーザ数は限られており、この用途でTitan Xが多数売れるとは考えられない。主要な顧客は高性能GPUを必要とするゲーマーなどと考えられるが、Deep Learningはバズワード(Buzz Word)であり、話題作りという点ではうまいアピールであった。

　アメリカ、サンディエゴ発。高音質を求める人たちのために作られたBluetooth対応ヘッドフォン「PRO30」が、クラウドファンディングのキックスターターに登場した。 アコースティックなサウンドの再現と細かな音のバイブレーションを再現することにこだわったPRO30。内部の構造にレアアースやチタニウムを採用することで、目的の音作りに成功した。Bluetoothで同時に2台以上のデバイスに接続することができるため、PRO30を着用したまま電話とノートパソコンを同時に使うということも可能だ。 最大12時間連続使用可能で、重量は225g。キックスターターで159ドルから購入できる。

　イギリス、ケンブリッジ発。ハンドクラフトにこだわった、おしゃれな木製泥除け「Cam Cycles」がクラウドファンディングのキックスターターに登場した。 Cam Cyclesはケンブリッジ大学で有名なケンブリッジの若者2人が開発した地元の手工業の技術を生かしたおしゃれな木製泥除け。一般的なアルミ製の泥除けと異なり、スタイリッシュでぬくもりを感じるデザインを実現した。フロントタイヤ用とリアタイヤ用の2つで1セットとなっている。 愛車をおしゃれにチューンナップするCam Cycles、価格はキックスターターで45ポンドとなっている。

　
　　今週１６日時点でのレギュラーガソリンの全国平均の小売価格は、先週と比べて４０銭値上がりして１リットルあたり１４０円３０銭となりました。
　　今月上旬の時点で原油価格が上昇していたことと、円安の影響から５週連続の値上がりとなり、およそ２か月ぶりに１４０円台となりました。
　
　　調査にあたった日本エネルギー経済研究所は、今月中旬には原油価格が値下がりしていることから、ガソリン価格は来週、「小幅の値下がりに転じる」と予測しています。（18日14:50）