YUVからRGBへのCUDA高速変換：Lidar_AI_Solutionによるミリ秒級画像処理の実現
YUVからRGBへのCUDA高速変換：Lidar_AI_Solutionによるミリ秒級画像処理の実現
Lidar_AI_Solutionプロジェクト内のYUVToRGBモジュールは、CUDAを活用した画像フォーマット変換ツールであり、単一のCUDAカーネルを用いてYUVからRGBへのバッチ変換を実行します。これにより、レーザーラーダーと視覚の融合アプリケーションに対し、効率的な画像前処理能力を提供します。この ...
6月6日 16:15 投稿
Darknetフレームワークの基本と使用方法
Darknetフレームワークの概要
DarknetはC言語とCUDAで実装されたオープンソースの深層学習フレームワークです。その主な特徴は、依存関係がほとんどなく（OpenCVすら不要）、インストールが容易で、CPUとGPUの両方をサポートしている点です。また、高い移植性を持ちます。
Darknetを選ぶ理由
TensorFlowほど高機能ではありませんが、このシンプルさがDarknetの利点とな ...
5月31日 21:06 投稿
Tri-MipRF：効率的なアンチエイリアシングのためのTri-Mip表現によるニューラル輝度場
環境構成
Python:3.9.0, Pytorch:1.13.1, Cuda:11.7, Tinycudann:1.7 を使用してインストールしてください。このバージョンに合わせると、tiny-cuda-nnのインストールでエラーが発生しません。
conda create -n trimip python=3.9
conda activate trimip
pip install torch==1.13.1+cu117 torchvision==0.14.1+cu117 torchaudio==0.13.1 --extra-index-url https://downloa ...
5月30日 03:49 投稿
ARMアーキテクチャ向けONNX Runtime GPU版のソースビルド手順
環境情報
アーキテクチャ: aarch64
OS: Ubuntu 20.04
GPU: NVIDIA T4
前提条件
CUDAが適切にインストール済み
cuDNNが適切にインストール済み
CMakeが適切にインストール済み
ビルド手順
1. ソースコードの取得
git clone --recursive https://github.com/microsoft/onnxruntime.git
cd onnxruntime
2. バージョンの切り替え
git checkout v1.16.3
...
5月29日 15:10 投稿
Horovodを用いた分散ディープラーニング環境の構築
分散ディープラーニングの実装において、異なるGPUを使用するためのフレームワーク統合が重要です。特にTensorFlowやPyTorchなどの多様なフレームワークを一つのプラットフォームで利用できるHorovodは便利です。この記事では、Horovodを使った分散環境のセットアップ方法について説明します。
分散学習アーキテクチャ: PSとRing-Allreduce
Parameter Server (PS) アーキ ...
5月27日 00:34 投稿
CUDA公式ライブラリ：フーリエ変換（CUFFT）関連関数の概要
CUFFTライブラリは高性能なフーリエ変換計算を実現するための主要なツールです。一次元、二次元、三次元の実数および複素数フーリエ変換をサポートし、様々なデータレイアウトとデータ型を扱えます。この記事では、CUFFTライブラリの主要な関数について概説します。
1. FFTハンドル
1.1 cufftHandle
FFT演算の状態とリソースを管理するためのハンドル型です。FFT演算の状態 ...
5月24日 23:16 投稿
PyTorchの旧バージョンのインストール方法（成功例）
目次
インストール手順は以下の通りです：
Anaconda3が正しくインストールされているか確認（システム環境変数の設定済みを前提）
新しい仮想環境の作成
仮想環境の有効化
自分のPCがサポートするCUDAバージョンの確認（重要なステップ）
公式サイトから対応バージョンのインストールコマンドを取得
torchバージョンの確認（補足）
環境：
Windows 11
Anaconda3-2021.05 ...
5月19日 20:11 投稿