1 - 40 件 / 45件
タグ検索の該当結果が少ないため、タイトル検索結果を表示しています。
「Python」と「Google Colaboratory」で株価データ分析に挑戦:「Python×ばつ「株価データ」で学ぶデータ分析のいろは(1) 日々変動する株価データを題材にPythonにおけるデータ分析のいろはを学んでいく本連載。第1回はPythonを実行する環境とデータの前準備について。 はじめに 連載第1回は「Google Colaboratory」でサンプルプログラムを実行するための環境を用意する方法や利用するPythonのライブラリを説明します。「Google Chrome」と「Googleアカウント」を用意して読み進めてください。 なお、連載の趣旨がデータ分析であるため、Pythonの言語仕様や文法の詳細を割愛する場合があることをご了承ください。 Google Colaboratoryの準備 Google Colaboratoryとは、Googleが提供するブラウザ上でPy
Google、Python環境の「Colaboratory」にAIによる開発支援機能を搭載へ。自然言語からのコード生成、チャットボットによる質疑応答など Googleは今月(2023年5月)に開催したGoogle I/O 2023で、同社として最新の大規模AIモデル「PaLM 2」を発表しており、今回Colaboratoryに搭載されるのも、このPaLM 2に基づいてコードの生成用に作られたモデル「Codey」です。 このCodeyを用いて、Colaboratoryには数カ月以内にコード補完、自然言語によるコード生成、コード支援チャットボットなどの機能が搭載される予定です。 下記は「import data.csv as a dataframe」という自然言語での入力からコードが生成されたところ。
Stable Diffusionの衝撃 つい先週「Midjourney」というAIによる画像生成AIを紹介しましたが、Stable Diffusionという超新星が登場いたしました。 何が凄いかというと、オープンにモデルが公開されているので、誰でもこのモデルを改変したり、モデルを使用したアプリが作れるのです。詳しくは、以下の深津さんのnote記事を参照ください。 さすらいAIプログラマーのshi3zさんは、既に日本語で誰でも無料で手軽に使えるWebアプリを公開されています。 サーバー代めちゃくちゃかかっているけど、自腹でやり続けるそうです。凄すぎです。上記記事のshi3zさんのYouTube動画から、shi3zさんの熱狂が伝わってきます。 Stable DiffusionをWebアプリ的に手軽に使えるツールを作成しました。 思えば、私もディープラーニングおじさんも、AIにハマった大きなきっ
2020年10月05日 KaggleOpsを考える ~ MLflow + Colaboratory + Kaggle Notebook ~ こんにちは。次世代システム研究室のY. O.です。 筆者はデータ分析のスキルアップのためにkaggleというデータ分析プラットフォームを活用しています。kaggleを始めてから約2年間を経て、スキルアップの枠を超え、趣味・生活の一部・etc.になってきてしまっているのも認めざるを得ません。。。 今回は、先日kaggleの自然言語処理コンペ(Tweet Sentiment Extraction)で2位になった結果を題材に、振り返りの意味を込めて"こうしておけば良かった"という点をMLOpsの観点でまとめていきたいと思います。 ここで、kaggleを取り巻くMLOpsの構成をKaggleOpsと勝手に呼ぶこととし、少なくとも筆者は今後のコンペでも以下にまとめ
こんにちは! テリーです。先日NVIDIA GTCというイベントがありました。GPUテクノロジーカンファレンスの略です。NVIDIAが進めている最新の技術と商品を紹介しているため、AI、動画、音声、その他あらゆる高速コンピューティングのトレンドを理解することができます。年々紹介する分量が増えてきていましたが、今年は特に量が多かった印象です。 さて、機械学習エンジニアやストリーミングエンジニアの諸氏におかれましては、開発環境の維持コストに頭を悩ませている方も多いことでしょう。なぜなら、あまりにも技術の進歩が激しく、去年50万円も出して購入したGPUパソコンでさえ、今年の新商品に搭載されている機能が使えないということが毎年のように繰り返されているからです。最新のGPUとパソコンを渋々買い替えている人が多いと思いますが、セットアップも中古売却もめんどくさいです。なんとかならないでしょうか? 今回
3月2日に開催された、分析コンペ 勉強会で、「Colaboratoryで分析コンペをする時のテクニック集」として発表をしました。 speakerdeck.com この記事では、その内容を書きたいと思います。 Colaboratoryテクニック9つ 1. テーマの設定(darkモード等)、エディタの設定(インデント幅等) 2. ColaboratoryかKaggleNotebookか判別 3. Notebook名を取得 4.Google Driveのファイルへのアクセスを許可 5.学習する際は、MyDriveはなるべく使わない 6.a Kaggle Apiを使用する 6.b データのKaggleDatasetsへのアップロード 7 Mydriveからのweightのロードが遅い場合 8 Githubのrepositoryをclone public repositoryをcloneする場合 p
Google Colaboratoryの有料プランが、これまでの定額使い放題から、クレジット制に移行となりました。 変更点を確認したいと思います。 料金 GPU コンピューティングユニットの消費 1ヶ月あたりどれぐらい使えるか 感想 料金 これまでと変わらずに、Colab Proは月あたり1,072円、Colab Pro+は5,243円となっています。(https://colab.research.google.com/signup?utm_source=faq&utm_medium=link&utm_campaign=seems_too_good) それにより、Colab Proは100コンピューティングユニット、Colab Pro+は500コンピューティングユニットというGPUを使用できるクレジットがもらえます。 GPU GPUのクラスで、標準を選ぶとT4 プレミアムを選ぶと、V100
こんにちは!株式会社キカガクの二ノ宮です。普段は機械学習・ディープラーニングの講師をしています。 本記事では、Google Colaboratory(略称: Google Colab)の基礎的な使い方を体系的にわかりやすく、まとめています。参考になれば幸いです!
チャットAIのChatGPTや音声認識AIのWhisperを開発するOpenAIが2023年5月に3Dモデル作成AI「Shap-E」を発表しました。Shap-Eはオープンソースで開発されており、誰でも利用可能とのことなので実際にGoogle Colaboratory上で使ってみました。 shap-e/sample_text_to_3d.ipynb at main · openai/shap-e · GitHub https://github.com/openai/shap-e/blob/main/shap_e/examples/sample_text_to_3d.ipynb Shap-Eでどんなことができるのかについては下記の記事が詳しいです。 テキストや画像から3Dモデルを生成するオープンソースのAI「Shap-E」をOpenAIが発表 - GIGAZINE まずはGoogleドライブに
プログラミングを始めたばかりの人にとって、学習環境の構築は難しいものですよね。 しかしGoogle Colaboratory(グーグルコラボレイトリー)というサービスを使えば、プログラミングに必要な環境が簡単に整います。 実際にソースコードを書く前の段階でつまずいていては、学習意欲が下がってしまうおそれがあります。プログラミング学習へのモチベーションを維持するためにも、環境構築が素早く完結するGoogle Colaboratoryを使用してみましょう。 しかしプログラミングの経験がなかったり、Webサービスを使い慣れたりしていないと、Google Colaboratoryの使い方も難しく感じるかもしれません。 そこで今回は、Google Colaboratoryの使い方や、使いこなすためのポイントなどについてお伝えしましょう。Google Colaboratoryを使ってみたい、という人は
この記事ははてなエンジニアのカレンダー | Advent Calendar 2021 - Qiita 2日目の記事です。 最近、データパイプラインの整備や営業チームの人力混じりの運用フローを機械化するなどの業務改善に取り組んでいます。 その過程で、運用ドキュメントを読んだりヒアリングして図を描くことがよくあります。 描いた図をもとに「この流れであってますか?」と確認したり「ここ手間結構かかってそうですが困ってませんか?」とコミュニケーションをします。暗黙的な業務の流れが明確になるだけでなく、改善点の発見にも繋がります。 ひととおり改善タスクが終わった後にも図を最新にします。ドキュメントと併せて成果物とします。 どんなデータがあってどのようにビジネスに使われているか、データがどのように取得&保存されているかを残しておくのは今後のデータ活用や改善のためにも必要です。 俺はそんな個々の業務のデー
Google Colaboratory(Google Colab)は、Googleが機械学習の教育や研究用に提供しているサービスで、ローカルにインストールすることなくPythonや機械学習の環境を構築できます。このGoogle Colabの有料版であるGoogle Colab Pro/Pro+におけるGPUの使用量がクレジット制に移行するというメールが運営から送られてきたと、ソーシャルニュースサイトのHacker Newsに投稿されて話題となっています。 Google Colab Pro is switching to compute credits | Hacker News https://news.ycombinator.com/item?id=32656200 機械学習や深層学習の演算にはGPUが使われますが、Google Colabでは基本無料でGPUを使った計算が可能です。ただ
この記事は GMOアドマーケティングAdvent Calendar 2020 23日目の記事です。 みなさんこんにちは、GMOアドマーケティングのM.H.と申します。 突然ですがみなさんは機械学習する時にどのような環境で実行していますか?Google Colaboratoryでは、制限はありますが無料でTPUを使用し、高いパフォーマンスで学習を進めることができます。 今回はこのTPUを使って、モデル内のハイパーパラメータを自動で探索してくれるKeras Tunerを使っていく方法と注意点についてお話しします。 そもそも、TPUとは TPU(Tensor Processing Unit)とは、Googleが開発した機械学習特化型のプロセッサのことで、基本的にGPUよりも高速で学習を進めることができます。計算量が多く、バッチサイズが大きい場合に特にその効果を発揮します。 私たちがこのパワ
GMOアドマーケティングのT.Oです。 SQL式を共有したいと思ったことはありませんか? 今回はGoogle Colaboratoryを使用して、BigQueryのSQL式を共有するための手順をご紹介します。 0.Google Colaboratoryとは? Google Colaboratory(略称:Google Colab)とは、ブラウザ上でプログラム(主にPython)を記述、実行できるクラウド上のサービスです。機械学習やデータ分析の分野で利用されているJupyter Notebookというツールをベースにしていて以下のような特徴があります。 環境構築が不要(ローカル環境へのインストールは不要です) GPUへの無料アクセス(計算を高速に行いたい場合にGPUを利用します) 簡単に共有(プログラムや説明の文章、実行結果をノートブックと呼ばれるファイルにまとめて管理、共有できます) 今回
AI 業界の進化が著しい昨今、AI の研究開発企業として名高い OpenAI から Whisper というとんでもない自動音声認識モデルの発表がありました。(2022年09月22日)Whisper は 68 万時間かけてトレーニングされた自動音声認識モデルでなんとオープンソース化されています。 公開されているサンプルでは早口や K-POP、フランス語、アクセントのある会話などを問題なく処理できることが示されています。また日本語に関しても高い精度を保持していることがグラフから見て取れます。 Whisper の GitHub リポジトリより引用 この記事で行うこと この記事では Whisper を Google が提供する Colaboratory で利用し、文字起こしツールを作成していきたいと思います。 今回やりたいことは以下の 3 つになります。 音声データから文字起こしができる 文字起こし
1. Google Colab にファイルをアップロード Google Colab にファイルをアップロードする方法は非常に簡単です! まず、左サイドバーに表示されているファイルマークをクリックします。 続いて、表示されたサイドバーに、ファイルをドラッグ&ドロップしましょう。 アップロードが完了すると、下図のようにファイル名が表示されます。 中身を確認したい時は、ファイルをクリックしましょう。右サイドバーでファイルの中身が確認できます。 本記事では、画像ファイルをアップロードしましたが、CSV やテキストなどのファイルも基本的に同じ方法でアップロードできます。 2. Google Colab 上のファイルをダウンロード Google Colab 上のファイルは、アップロードと同様に、サイドバーからダウンロードできます。 まず、サイドバー上のファイル名にカーソルを当てます。すると、3 つのド
1.3B と言う軽さで、画像認識も画像生成も出来るJanusを味見しています。 ただ、研究として異議はあるかもですが、運用として認識も生成もしたい状況ってないんですよねー。この構造のおかげで1.3Bと言う軽さに寄与している👀? 性能は中々だと思います。 ただ、Flash Attention2必須なので、ColaboratoryだとL4以上のGPUが必要です。 うーん、1.3Bでこの性能はなかなか、、、🤔 と言うか、最近のVLMさん、MITSUKOSHIくらいなら余裕で読み取るな👀 pic.twitter.com/nZznwZ3I5H — 高橋 かずひと@闇のパワポLT職人 (@KzhtTkhs) 2024年10月18日 公式のサンプルを少し整理して動かしただけですが、ノートブックは以下にコミットしています。 github.com
どーも、株式会社キカガクの安藤です! 今回は Google Colaboratory(略称 Google Colab) で、作業が捗るショートカットキーを紹介します。Google Colab のショートカットキーは沢山ありますが、実際に使用した上で、特に便利なショートカットキーを厳選しました。 Google Colab の作業効率を上げたい方、必見です!
AI・機械学習・ディープラーニングを始めるが、プログラミングについてまったく初めての人に向けて、その作業環境の選択指針やお薦めの「Jupyter Notebook」のオンライン版「Google Colaboratory」の基本的な使い方を分かりやすく紹介する連載。
こんにちは!株式会社キカガクの神部です。普段はマーケティングや機械学習・ディープラーニングの講師等をしています。 本記事では、Google Colaboratory(略称: Google Colab)の無料版と有料版の比較を、なるべくわかりやすい言葉でまとめています。有料版にしようか悩んでいる方のご参考になれば幸いです!
3.何がいいってGPUがタダで使える Colab上では学習をする際、GPU付きVMに繋げる事が可能です。繋がる先のGPUは選べないのですが、最低の場合でTesla K80なので、自分が使う範囲では全く問題ないです。もっといい性能が欲しい場合の人は、Pro版に課金しましょう。 4.pipも問題なく使える 大体のパッケージやモジュールは入っているので、基本numpyやpandasは最初のセルでインポートしてあげればオーケーです。それでも足りないパッケージがある場合は、!pip install hogehogeと書いたセルを実行してインストールしてあげましょう。最初のコードセルで打ってあげれば大丈夫です。 ただ、このやり方だとブラウザで立ち上げ直すごとにインストールしなおしになります。 一回一回やるのは手間だなという人は、以下の記事を参考にしてみてください。 https://ggcs.io/20
この記事について 最近オープンソースで公開され話題のStable DiffusionをGoogle Colaboratory上で実行するまでの流れをまとめました。Stable Diffusionは任意のテキスト入力に対して写真のようなリアルな画像を出力するtext-to-imageのモデルです。これはDiffusion Modelという非平衡熱力学から発想を得た生成モデルの一種に基づいており、LAION-5Bという大規模なデータベースを活用して訓練を行ったものです。今回は、主に自然言語処理を対象にした大規模なオープンソースコミュニティーであるHugging Faceより訓練済みモデルをダウンロードします。 Hugging Faceへの登録 まずhttps://huggingface.co/よりHugging Faceにサインインする必要があります。 登録を終えたら「Settings > A
Google Colaboratory(グーグル・コラボラトリー)とは? Google Colaboratory(グーグル・コラボラトリー、あるいは略式の呼称でGoogle Colabと呼ばれる。)とは、教育機関や研究機関において機械学習の普及を目的としたGoogleの研究プロジェクトの一つとなっています。 このGoogle Colabは、Jupyter Notebookを必要最低限の労力とコストで活用することができます。 また、Googleのアカウントさえ持っていれば、ブラウザとインターネットを利用してすぐにでも機械学習プロジェクトを実施することができるサービスです。 さらに、Googleの主要言語にプログラミング言語Pythonが利用されているため、Pythonをメインに利用することができますが、他言語であってもインストールすれば利用することができます。 例えば、最近利用者が増加してい
こんにちは!株式会社キカガクの二ノ宮です。 普段は機械学習・ディープラーニングの講師をしています。 今回は Google Colaboratory(略称 Google Colab)から、Google ドライブのファイルにマウント(連携)し、アクセスする方法を紹介します。 本記事を読めば、Colab に直接アップロードしたファイルが消えてしまう問題もなくなり、効率も上がります! Google Colab に直接ファイルをアップロードする方法は以下の記事をご覧ください!
こんにちは!アルダグラムでレポートチームのエンジニアをしている志茂です。 レポートチームでは、お客様が利用されているExcelファイルをKANNA上にアップロードし、webから編集できるような機能をKotlinとSpring Bootで開発しております。 Excelファイルを読み込み編集できるようにするためには、色々な考慮事項があるのですが、 今回はその中でもExcel関数の読み込みで利用している、ANTLRという構文解析を行うためのツールをGoogle Colaboratory上で動作させ、解析した結果を構文木の画像として生成する方法をご紹介します。 構文解析ツールを使わないと大変? 単純な例を挙げながらお話しすると、Excelやプログラミング言語で、1+2*3という計算式があった場合、実行すると7という計算結果が得られます。これは1+2*3を単なるStringの文字列ではなく、1+2*
N1! Machine Learning Product Engineerの中村です。 最近は自然言語処理がかなりのブームになっており、弊社でもNotion AIなどでブログ記事を書かせるような不届者が多数出ているとの噂です。自分も最近はOpenAIのAPIなどを検証しているのですが、大規模言語モデルは手元で動かせないモデルが多く存在します。(大量のGPUが必要など) しかし、最近登場したFlexGenを使うことで、1GPUで大規模言語モデルを動かせるとの噂です。 今回はこのFlexGenを使ってMeta社のOPTという大規模言語モデルを動かしてみます。 https://github.com/FMInference/FlexGen https://arxiv.org/abs/2205.01068 FlexGenとは FlexGenは、大規模言語モデル(Large Language Mode
ネットサーフィンしていたところ、DiaParserという係り受け解析ツールを見つけた。Transformers上で、22の言語の係り受け解析をおこなえるらしいが、品詞付与をおこなわずに、元の文に対してダイレクトに係り受け解析をおこなうようだ。とりあえず、DiaParserの日本語モデルを、Google Colaboratory上でdeplacyに繋いでみよう。 !pip install deplacy diaparser fugashi unidic-lite ipadic from transformers.tokenization_bert_japanese import MecabTokenizer tokenizer=MecabTokenizer(mecab_dic="unidic_lite") from diaparser.parsers import Parser parser
『スッキリわかる Pythonによる 機械学習入門』 概要 章立て そもそも論(必見) 教師あり学習 と 教師なし学習 流れ 個人的見解 2022年1月下旬から2月上旬にかけて読んだ技術書を紹介します。いままでと同様、今回も機械学習についての書籍を選び、実践していましたよ。 サラッと立ち読みした感じ、悪くなさそうでしたので、読んでみることにしました。なお、書籍では「jupyter notebook」環境であることを前提にコードが載っていますが、僕が大好きな「Google Colaboratory 」でも問題なく全てのコードが動きました。 環境設定が面倒くさい人、python環境があらかじめインストールしてあり内部的にぶつかりそうな人、についてはGoogleブラウザでの実行をおススメします。 ここから本題です。 『スッキリわかる Pythonによる 機械学習入門』 出版社:インプレス 、著者
ブラウザでPythonのプログラムを実行できるGoogle Colaboratoryを利用し、機械学習の基礎技術を学ぶUdemyの人気講座が書籍化。CodeZineを運営する翔泳社より、9月8日(水)に『Google Colaboratoryで学ぶ!あたらしい人工知能技術の教科書』として発売となりました。 『Google Colaboratoryで学ぶ!あたらしい人工知能技術の教科書 機械学習・深層学習・強化学習で学ぶAIの基礎技術』は、「ヒトとAIの共生」をミッションとするSAI-Labの我妻幸長さんが手掛ける人気講座「AIパーフェクトマスター講座 -Google Colaboratoryで隅々まで学ぶ実用的な人工知能/機械学習-」(Udemy)の内容を書籍化した入門書です。 開発・学習環境としてGoogle Colaboratoryを利用するため、ブラウザ上でPythonのコードを実際
データアナリティクス事業本部のueharaです。 今回はGoogle ColaboratoryでPythonからSeleniumを使うための設定方法を紹介したいと思います。 はじめに 2023年5月時点では、Google Colaboratory上で単純に!apt install chromium-chromedriverでchromedriverをインストールした後、Seleniumを実行しようとしても以下のようなエラーが発生し強制終了してしまいます。 WebDriverException: Message: Service /usr/bin/chromedriver unexpectedly exited. Status code was: 1 これは、今年の1/18にColabのデフォルトのランタイムが(数年ぶりに)Ubuntu 18.04 LTSからUbuntu 20.04 LTS
Rユーザーの生産性を高める Google Colaboratory/Kaggle Notebookが生産性を高める 〜ノートブックでRを使用する〜 自身のPC上に毎回Rを実行できる環境を作るのは、時に大変な作業です。少しだけ使ってみたい場合やコードと実行結果を簡単に共有したい場合もあります。今回はそんなときに便利な、オンラインでコードを実行できる「Google Colaboratory」と「Kaggle Notebook」というサービスを紹介します。 どちらもコードと実行結果がまとめて表示できるノートブック形式で、かつオンライン上でコードを実行できるサービスです。この2つを使うと主に以下のようなメリットがあります。 環境構築が不要 実行結果とともにコードを共有できる GPUを使用できる Jupyter Notebook[1]など、ノートブックと聞くとPythonが思い浮かぶと思います。しか
はじめに一般社団法人データサイエンティスト協会からデータサイエンス初学者の学習用として「 データサイエンス100本ノック(構造化データ加工編)」が公開されています。 これを手軽に実践できるように、Google Colaboratoryで実行可能なNotebookを作成しました。 オリジナル版ではDocker環境を構築する必要がありますが、Google Colaboratoryを利用することで、ブラウザのみで演習を行うことができます。 文字入力に支障がなければ、タブレットなどでも実行できます。 言語はSQL編、Python編を作成しています。R編は筆者がRを使用していないために作成していません。 使い方【注意】 Google Colaboratoryを利用するためにはGoogleアカウントが必要です。 NoteBookはGitHub上に置いているため、GitHubへのアクセスが制限されている
Google Colaboratory(以下Google Colab)はGoogleの提供する無償(有償もあり)のノートブック環境です。PythonのJupyter Notebookを基盤としており、無料でGPUを使った機械学習環境を利用できます。 単にJupyter Notebookとして使うのもいいですが、ほかにも便利な機能がたくさんあります。今回はGoogle Colaboratoryの便利な使い方をまとめて紹介します。 Google Colabとは Google Colabは次のような画面になっています。 右側にMarkdown形式で文書を書いたり、Pythonでコードを書けます。そして、各コードをオンライン上で実行して、その結果を確認できます。つまりドキュメントを読みながら実際にコードを実行して、その結果を順番に確認できる仕組みです。学習環境、Pythonの実行環境として便利に使
Google Colaboratoryでワードクラウドを作ってみる【Python】 今回は日本語テキストをワードクラウドで可視化します。 開発環境として、Google Colaboratoryを利用します。 ▼Google Colaboratoryの詳細・設定方法はこちらから またワードクラウドを生成するためのPythonライブラリであるWordCloudを使用します。 ワードクラウドとは ワードクラウドはテキストに含まれるキーワードの出現頻度にあわせて文字の大きさを変えて視覚化したものです。出現頻度の高い単語を視覚的にとらえやすくなります。 stop_wordsの設定 stop_wordsとは、除外するあまり意味のない単語を指定することです。 ワードクラウドから除外することで、精度を上げることができます。 # stop_wordsの設定(表示しない単語)文章に応じて追加してよし # 不要
環境を判別するスニペットはどういう場合に利用しますか? 例えばGithubに本コードがあり、clone先がkaggle notebook / colabratoryどちらか判定するときに使うのでしょうか。 主に2つの用途があって 1つ目は、ライブラリのinstallです。kaggleならデータセットから!pip installしてだけれど、colaboratoryなら普通に!pip install、ローカルならinstall済みなので何もしないという感じで。 2つめは、下のスクラップでも書いたんですが、colaboratoryの現在のディレクトリの設定で CURRENT_DIR = Path(<現在のディレクトリのパスを入力>)みたいなことをやっています。
※(注記)2019年8月時点の情報です。今後の機材アップデートやColabの方針次第では、この情報は変わる可能性があります。 きっかけ 条件を変えて別々のランタイムで訓練させると、1個は150エポックぐらい進んでいるのに、もう1個は50エポックぐらいしか進んでいないという現象がありました。 ほぼ同じ計算量なのに、条件によって2〜3倍ぐらい計算時間が違う、これはおかしい――ということで調査してみました。 nvidia-smiしてみる どのGPUが割り当てられているかは「nvidia-smi」で確認できます。 1回目、Tesla K80が割り当てられています。これまで通りですね。ここでランタイムをリセットしてみます。 2回目、Tesla T4が割り当てられました。こちらは最新のGPUです。訓練が速かったケースは、このGPUを引けたときだったようです。 このように、2019年8月現在のColabにはラン
2021年3月2日の分析コンペ勉強会の発表資料です。
\キノコードが作ったプログラミング学習 サービス登場/ 学んだ知識をその場でアウトプットできるからスキルの定着が実感できる Python学習といえば、キノクエスト! ・問題数は充実の350問以上 ・環境構築は不要! ・カリキュラムがあるので学習方法に迷わない ▼登録はこちら▼ https://kino-code.com/kq_service_a/?utm_source=youtube.com&utm_medium=referral&utm_campaign=wMXhZAINYhw_gaiyou ーーー この動画では、1分でPythonでプログラミングを始められるツールについて紹介します。このツールはクラウドのツールです。つまり、計算や処理はクラウドでやるので、あなたのコンピュータの性能は関係ありません。そのため、パソコン選びに迷うこともないのです。さらに、クラウドツールなので、パ
とあるノートブック試したくて、そのノートブック内でFlashAttentionがインストールされている。 ただこれめちゃめちゃ時間がかかる。ノートブックではT4を使用しているようだが、試した限り少なくとも1時間では終わらなかった。L4でも試したが同じ。(ちなみにFlashAttention2はT4のような新しいアーキテクチャには対応していないとレポジトリには書いてあるようなのだが、はて?) 自分は待てなかったので止めた。 でこういうポストを見かけた どうやらFlashAttention2のレポジトリで事前ビルド済みのものが提供されているみたい さらにpip install flash-attn --no-build-isolationは、この事前ビルド済みのものをダウンロードしてきてインストールするのだが、この時、環境内のPython/CUDA/PyTorchなどのバージョンをチェックして
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