タグ

関連タグで絞り込む (165)

タグの絞り込みを解除

computerに関するsh19910711のブックマーク (606)

  • PC-9801CV21でPC-8801を動かす！(過去作業) - レトロパソコンであそぼう！


    MC68000エミュレータを作りながら昔のエミュレータ開発を思い出した。 今回はちょっと脱線して、過去に動かしたエミュレータを紹介してみたい(^^) 何年か前の年末年始お楽しみ作業で、PC-9801CV21(V30 10MHzマシン)でPC-8801エミュレータを動かした事がある。 そもそものはじまりは… そもそも…なんでPC-9801でPC-8801を動かしてみようと思ったのか。 それは友人からの﹁PC-9801CV21の小さなブラウン管で、アルフォスが動いてたら感動するね！﹂という一言から始まった！ PC-9801CV21のCPUは、V30の10MHz。 PC-8801のCPUは、Z80の4MHz。 単純構造のエミュレータを作るのならば、エミュレーションする元マシンのCPUよりはせめて2〜30倍以上は速くないと厳しい。 経験則から考えても、V30でZ80を(現実的な速度で)エミュレーシ
    PC-9801CV21でPC-8801を動かす！(過去作業) - レトロパソコンであそぼう！
    sh19910711
    sh19910711 2024/06/22
    "PC-9801CV21のCPUはV30の10MHz / 初代PC-8801の速度はZ80の2.3MHzくらい + DMAが使われる関係でCPUが停止するタイミングがあるから…らしい / V30にはハードウェアで8080エミュレーション機能が存在" 2021
    リンク

  • Rust でもできる！RISC-Vシミュレータの作りかた 〜 From Ruby To Rust 〜 - ESM アジャイル事業部 開発者ブログ


    最近 ESM と RISC-V のロゴの配色が似ていると感じている @wat-aro です。 はたけやまさん の blog.agile.esm.co.jp はおもしろい記事でしたね。 この記事は最後こう締めくくられています。 以上、Rubyを使ったシンプルなRISC-Vシミュレータの作り方のご紹介しました。 皆さんも梅雨の時期のおうち時間にお好きなプログラム言語でCPUシミュレータ自作なんていかがですか？ なのでこの記事を参考に Rust で RISC-V シミュレータを作成しました。 https://github.com/wat-aro/rv32sim.rs 処理の流れはだいたい元記事と同じですのでもっと詳しく知りたい人は元記事からどうぞ。 メモリ まずメモリの定義です。writeと read と、初期データの読み込み用のinitialize メソッドを持っています。 32 bit
    Rust でもできる！RISC-Vシミュレータの作りかた 〜 From Ruby To Rust 〜 - ESM アジャイル事業部 開発者ブログ
    sh19910711
    sh19910711 2024/06/21
    "シミュレータ作りを通して今まで避けていたビット演算と少し仲良くなれました / デコードした結果どの命令かわかるようにした Instruction を作成 / 命令を enum で定義したためパターンマッチで記述しやすく" 2022
    リンク

  • Raspberry Pi Pico Wを電池で動かすとどのくらい動くか試す


    実験内容 今回は、電池で駆動するPico W上にWebサーバーを立てて、RP2040のCPU温度と現在時刻をJSONで返すURLを作り、それを別の機材から毎秒GETでアクセスをして、アクセスができなくなるまでの時間を測りました。スクリプトは、前回のレポート記事で紹介したものからBME280を取り除いたようなイメージです。 Pico Wが起動したときの時刻が2021/01/01 00:00:00なので、GETできなくなった直前のJSONに含まれている時刻＝電池で動かせた時間として見ることができそうです。 電池は、IKEAのニッケル水素充電池﹁LADDA﹂1.2V・2450mAhを2本使用しました。前回のレポートでは、ネットワーク通信時は5Vで0.06A==60mAくらいと計測できていたため、2.4Vでは60mA * 5V / 2.4V == 125mAとして、2450mAh/125mA==1
    Raspberry Pi Pico Wを電池で動かすとどのくらい動くか試す
    sh19910711
    sh19910711 2024/06/19
    "乾電池で動かすことを意識してバッテリーボックスセットが売られていたりします / 電池で駆動するPico W上にWebサーバーを立てて、RP2040のCPU温度と現在時刻をJSONで返す / 充電池2本でほぼ1日動く" 2022
    リンク

  • ゲーミングPCで食い下がる科学技術計算 - Qiita


    コードの中身はどうでもいいからGPUでどれくらい速くなるか知りたいという方は下までスキップして下さい． 環境 ツクモで17万くらいで購入したゲーミングPCを使います． OS: Windows 10 Home CPU: Intel Core i9-9900KF RAM: 16.0 GB GPU: GeForce RTX 2070 SUPER VRAM: 8.0 GB Python 3.8.2 numpy 1.19.1 scipy 1.5.2 PyTorch 1.9.0+cu111 CUDA 11.1 目的 scipy.sparseだと計算時間がかかりすぎて効率が悪かったのでGPUが使えるPyTorchで高速化したかった． GPU環境の︵再︶構築 久々に使おうとしたらつまづいたので簡単にメモ．初めて導入するのであればVisual Stadioが必要なのでこちらも参考． torch.cuda.i
    ゲーミングPCで食い下がる科学技術計算 - Qiita
    sh19910711
    sh19910711 2024/06/18
    "scipy.sparseだと計算時間がかかりすぎて効率が悪かった / PyTorchにしてもTensorFlowにしても同じようで，スパーステンソルはbroadcastが定義されていなかったり，通常のテンソルとのアダマール積が定義されていなかった" 2021
    リンク

  • ESP32 + RustでHello world - Qiita


    3行まとめ RustでもESP32のファームウェアを開発できる。 LLVM、clang、rustcのコンパイルはなかなか大変。︵時間的な意味で︶ 組み込みRustに未来を感じる。 1. 概要 技術書典7で頒布されていた﹃M5Stackで始める組み込みRust﹄という技術同人誌を読みました。 以前よりマイコンを使った電子工作を行っており、組み込み領域でもRustを使ってみたいと思っていましたが、それなりに環境が整ったみたいなので試してみることにしました。 結論から言えば、無事にRustからシリアルコンソールに﹁Hello world!﹂の文字を出力することができました。 2. 環境 検証に用いた環境は以下の通りです。 OS: macOS Mojave 10.14.6 (18G103) Docker CE: 19.03.2 llvm-xtensa: 757e18f722dbdcd98b8479
    ESP32 + RustでHello world - Qiita
    sh19910711
    sh19910711 2024/06/18
    "組み込み領域でもRustを使ってみたい / RustでもESP32のファームウェアを開発できる / ESP32のコア（CPU）は、Tensilica社のXtensa LX6であり、組み込み分野での採用が多いARM系ではありません" 2019
    リンク

  • macOSでRISC-Vのコンパイル環境・実行環境を整える（2024年2月現在） - Qiita


    こんにちは｜こんばんは。カエルのアイコンで活動しております @kyamaz です。 はじめに 私は、2018-2019年頃に﹃RISC-Vの量子計算拡張﹄にある取り組みをしておりました。それから5年以上経って、RISC-V界隈の状況も変わってきております。Githubのリポジトリの構成やコンパイルの環境も変化しております。本稿では、そのアップデートとして2024年2月現在で、macOSでRISC-Vのコンパイル環境・実行環境を整えることを主題にて書いて参ります。 macOSで homebrew を使った方法は、下記の@zacky1972さんのエントリーにある通り brew install riscv64-elf-gccで整います。ただ本稿では、この簡単な方法ではなく、コンパイル環境をビルドして整えることを目指します。 更に、実行環境も下記の@zacky1972さんのエントリーで整えられます
    macOSでRISC-Vのコンパイル環境・実行環境を整える（2024年2月現在） - Qiita
    sh19910711
    sh19910711 2024/06/18
    "５年以上経って、RISC-V界隈の状況も変わってきており / riscv-gnu-toolsの中でシミュレータをビルド + qemu spike gdbを選択的に指定できます。しかしながら、私の環境（macOS）ではそのままで上手くビルドできませんでした"
    リンク

  • ArduinoをVSCodeで使う - Qiita


    はじめに 本記事ではVSCodeでArduino開発を行うための手順を大雑把に解説しています。 これまでArduinoIDEを使用していました。特に不満はないのですが、VSCodeの方が使い慣れていて、Github Copilotの恩恵を受けたいと思い移行することにしました。 筆者はmacで利用しましたが、windowsでも動作するはずです。 目次 はじめに 目次 前提 手順 おわりに 前提 VSCodeインストール済み 手順 VSCodeの拡張機能タブで﹁PlatformIO﹂と検索し、PlatformIO IDEをインストールします。 PlatformIOをインストールすると新しくPlatformIOタブが生成されるので、そこをクリックします(PlatformIOのインストール後、VSCodeをReStartすると表示されるようです)。 PlatformIOタブをクリックし、左下のQU
    ArduinoをVSCodeで使う - Qiita
    sh19910711
    sh19910711 2024/06/17
    "これまでArduinoIDEを使用していました。特に不満はないのですが、VSCodeの方が使い慣れていて、Github Copilotの恩恵を受けたい / PlatformIO IDEをインストール"
    リンク

  • NPUを限界まで使い切って400FPSで物体(パイロン)検出する - Qiita


    1080P120のビデオをSBC(ROCK5B)で推論している動画です。平均で360FPS程度出ているので、3倍速で再生されています。これなら高速移動体からも正確にパイロンへの距離が認識出来ます。 目次 NPUとは？ 高速推論を実行するまでの流れ Yolov5での学習 Export RKNN形式への変換 Edgeデバイスでの推論 NPUとは NPUは、Neural Processing Unitの略称で、AI専用のプロセッサーです。NPUは大量の計算を並列処理することに特化しており、機械学習に専用設計されたチップであるため、GPUよりも効率的に処理を実行できます。NPUを使うことで、画像認識や自然言語処理などの機械学習タスクを高速に実行することができます。最近は、IntelやAMD、モバイルデバイス向けに多く組み込まれるようになってきています。 今回利用するするROCK5Bに搭載されている
    NPUを限界まで使い切って400FPSで物体(パイロン)検出する - Qiita
    sh19910711
    sh19910711 2024/06/14
    "NPU: 大量の計算を並列処理することに特化しており、機械学習に専用設計されたチップ / 現状、ベンダー毎に提供されるAPIを利用したりモデルの変換の手間がありますが、低消費電力で超高速推論が可能" 2023
    リンク

  • Jetson AGX Orinでグラボを動かした話


    最近、ラズパイにグラボを接続した、ルーターにGPUを接続したなど、いろんなものにGPUを繋げるのが流行っているようですが、似たようなことをJetsonでやったという記事です。 設定方法だけ書くとわりと短いので、最初に経緯などを書いています。結論だけ欲しい方は、こちらに飛んでください。 はじめに Jetson AGX Orinというのは、NVIDIAが開発しているエッジコンピューティング向けのモジュール製品で、エッジ環境としては非常に強力なAI能力︵200~275TOPS︶を持っています。 通常のユースケースだと十分だと思うのですが、PoCなど研究開発用途でデスクトップPC並の性能で推論を動かしたいというニーズもあったりします。机上で要件を満たせるならわざわざJetson Orinのようなものを使う必要はないのですが、エッジ向けの製品には通常のPCには備わっていないI/Oや特殊なカメラを利用
    Jetson AGX Orinでグラボを動かした話
    sh19910711
    sh19910711 2024/06/13
    "ラズパイにグラボを接続した、ルーターにGPUを接続したなど、いろんなものにGPUを繋げるのが流行っている / 通常マザーボードに接続していないとPCIe給電されない + 電源が入っていると認識させればいい"
    リンク

  • Cloud TPUの使いどころガイドライン - Qiita


    TPUもリリースされ、CPU, GPU, TPUをどういった時に、何を基準に使い分ければよいのかと思っていたら、以下に記載されていることだったのでメモ。 https://cloud.google.com/tpu/docs/tpus Cloud TPUは特定のワークロードに最適化されているので、機械学習のワークロードによってはCompute EngineのインスタンスでCPUやGPUを使用した方がよいケースがある。一般的には、どの環境を選択すべきかは以下のガイドラインに従えばよい。 CPU 柔軟性があるプロトタイプを素早く作る必要がある場合 モデルのトレーニングに時間がかからないような単純なモデル 小さなモデル C++で記述されたカスタムTensorFlow operationが大部分を占めるモデル 利用可能なI/Oやホストのネットワークバンド幅が制限されているモデル GPU TensorF
    Cloud TPUの使いどころガイドライン - Qiita
    sh19910711
    sh19910711 2024/06/08
    "行列計算が大きく占めているモデル / 向いてないワークロード: 頻繁にブランチングしてたり要素ごとの積が多くを占めるような線形代数のプログラム / TPU: 大量の行列積演算が速くなるように最適化されている" 2018
    リンク

  • 【Phi-3-Medium】GPU2台構成でローカルLLMを動かす【Ubuntu24】


    はじめに GMO NIKKOの吉岡です。 みなさん、生成AIは活用してますか？ ChatGPTに始まり、Claude3やGeminiなど、実用的なAIがどんどん出てきてますね。 自分も使ってはきましたが、課金が気になってしまいます。 これではサービスに組み込むことは難しいですよね。 そのためローカルで動くLLMを追ってきましたが、今年に入って実用的な日本語を返すことができるモデルがいくつか出てきているので、サーバー構成からインストール方法、LLMの起動まで紹介しようと思います。 ローカルLLMを動かす上で一番重要なのはGPUのVRAMです。 LLMは7B、13B、70Bモデルが多いですが、量子化しない場合、必要なVRAM容量は動かすモデルの大体2倍なので、13Bモデルでは26GのVRAMが必要です。 NVIDIAのGPUを使ったCUDAが前提になっているのですが、一般向けでは24Gモデルが
    【Phi-3-Medium】GPU2台構成でローカルLLMを動かす【Ubuntu24】
    sh19910711
    sh19910711 2024/06/07
    "NVIDIAのサーバー用GPUだったため、BIOSからResizable BARやAvobe 4G Decodingなどの設定ができる新しめのマザーボードを用意する必要がありました / 高性能なGPUは複数スロットを占有してしまう"
    リンク

  • QEMUに似たRenodeというOSSの組込みデバイスエミュレータを試す - daisukeの技術ブログ


    今回から、Renode というオープンソースの組込みデバイスのエミュレータを試していきます。 簡単に言うと、QEMUと同じ位置付けの OSS です。QEMUよりも、組込みデバイスのサポートが充実しているようです。 それでは、やっていきます。 はじめに Renodeのインストール mono-completeのインストール 依存関係のパッケージインストール Renodeのダウンロードとインストール STM32で動作確認 サンプルソースのビルド 実行してみる おわりに はじめに ﹁QEMUを動かす﹂の記事一覧です。良かったら参考にしてください。QEMUを動かすの記事一覧 ・第1回‥STM32︵ARM Cortex-M︶をQEMUで動かす︵環境構築編︶ ・第2回‥STM32︵ARM Cortex-M︶をQEMUで動かす︵ソースコード確認編︶ ・第3回‥STM32︵ARM Cortex-M︶を
    QEMUに似たRenodeというOSSの組込みデバイスエミュレータを試す - daisukeの技術ブログ
    sh19910711
    sh19910711 2024/06/06
    "Renode: オープンソースの組込みデバイスのエミュレータ + QEMU よりも、組込みデバイスのサポートが充実 / QEMU は、CCMデータRAM に対応していませんでしたが、Renode は、設定を追加するだけで対応"
    リンク

  • Raspberry PiのGPUで数値計算: (2)QPUの特徴 - Qiita


    http://qiita.com/Terminus-IMRC/items/7406fa835d6510790406 の続きです． QPUコア 前回説明した通り，QPUはVideoCore IV内に存在するプロセッサです．/boot/config.txtで指定されたgpu_freqの周波数で動きます．デフォルトではRaspberry Pi 1，2では250MHz，Raspberry Pi 3では400MHzです．QPUは物理的に3*4=12基あり，その中に物理的に4コアあり，それぞれのコアが4クロックで4コアをエミュレートします．すなわち，QPU全体をみるとgpu_freq/4=62.5または100MHzで動作する仮想的なコアが12*4*4=192個存在することになります．後述の通り，ALUが1命令で32ビットの加算と乗算を同時に行えるので，192*2*62.5=24000または192*2*
    Raspberry PiのGPUで数値計算: (2)QPUの特徴 - Qiita
    sh19910711
    sh19910711 2024/06/06
    "QPU: /boot/config.txtで指定されたgpu_freqの周波数で動き + デフォルトではRaspberry Pi 1，2では250MHz，Raspberry Pi 3では400MHz / 物理的に3*4=12基あり，その中に物理的に4コア" 2016
    リンク

  • Raspberry Pi経由でドリキャスをネット接続可能にするDreamPi試してみた - はじまりはビープ音

    当時としては革新的だったネット接続環境（モデム）を標準搭載したドリームキャスト。あれから20年以上経ち、ドリキャス用の各種ネットサービスも当然終了しているわけですが、海外有志によってRaspberry Piとドリキャス標準搭載のモデムを活用して今でもオンライン機能を楽しむことができるとのことで試してみました。自己責任。 DreamPiとは 準備するもの Raspberry Pi側の設定 有線LANで使用する場合 Wi-Fiで使用する場合 ドリームキャスト側の設定 ネットワーク情報登録済みの場合 準備するもの 手順 ネットワーク情報未登録の場合 準備するもの 手順1.ブロードバンドアダプタで設定 手順2.ドリームパスポート3.15内蔵ソフトで設定 インターネットに接続 Raspberry Piとドリキャスを接続 ドリームキャストでインターネット接続 接続できない場合 ネット対戦を楽しむ 最後

    Raspberry Pi経由でドリキャスをネット接続可能にするDreamPi試してみた - はじまりはビープ音
    sh19910711
    sh19910711 2024/06/06
    "海外有志によってRaspberry Piとドリキャス標準搭載のモデムを活用して今でもオンライン機能を楽しむことができる / DreamPi: ドリームキャストのモデム接続をRaspberry Piを使うことでLAN経由でネット接続" 2020
    リンク

  • ARM命令はなぜ先頭に0xEが並ぶのかについて調べてみた - /home/tnishinaga/TechMEMO


    目grep入門 +解説 from murachue www.slideshare.net こちらのスライドでご存知の方も多いと思いますが、ARMの実行バイナリをバイナリエディタのビットマップビューで見るとゴマ粒のようなものが縦に並んでいるのが見えます。 これはほとんどの命令の先頭4bitが0xEになるというARM命令の特徴によるものであり、CTFなどでそのバイナリがどのアーキテクチャ向けのものかを特定する手がかりになります。 ここまでは私も知っていたのですが、ではなぜ命令の頭が0xEになるかまでは調べたことが無かったので、調べてみました。 条件実行 先頭が0xEとなる理由を探るため、ARM7の資料を参照してARM命令のフォーマットを確認してみます。 ARM Information Center この資料より、ARM命令のフォーマットは大まかに以下のような構成になっていることがわかります。
    ARM命令はなぜ先頭に0xEが並ぶのかについて調べてみた - /home/tnishinaga/TechMEMO
    sh19910711
    sh19910711 2024/05/30
    "ARMの実行バイナリをバイナリエディタのビットマップビューで見るとゴマ粒のようなものが縦に並んでいる / 多くの命令の先頭が0xEなのは、コンディションフィールドの値がAL(0xE)だから" 2017
    リンク

  • 128bit除算も定数除算最適化したい - よーる

    一般に整数除算（ここでは剰余演算も含むこととします）を行う命令は遅いです。 そのため、除算はなるべく回避したいものです。 除数がコンパイル時定数の場合、コンパイラの最適化により、除算が取り除かれることがあります。 これを定数除算最適化と呼びます。 定数除算最適化では、除算はいくつかの軽量な命令に分解されます。 二のべき乗で割る場合、単にシフト命令が使われます。 それ以外の数で割る場合、乗算とシフト命令が使われます。 符号付きの除算の場合、零への丸めの部分の取り扱いが面倒ですが、追加のシフト命令と加算命令だけで（分岐命令を使わずに）なんとかできるようです。 さて、この定数除算最適化は、128bit整数の除算の場合は常には行われないようです。 これを何とかしてみたいと思います。 もちろん、手で最適化されたコードを書けばできますが、コンパイル時計算により除数が決まる場合などに対応するのは困難とい

    128bit除算も定数除算最適化したい - よーる
    sh19910711
    sh19910711 2024/05/30
    "定数除算最適化: 二のべき乗で割る場合、単にシフト命令が使われ + それ以外の数で割る場合、乗算とシフト命令 / 定数除算最適化は、128bit整数の除算の場合は常には行われないようです" 2023
    リンク

  • Google が Chromebook Plus 向け Gemini と AI を活用した新機能を発表 | HelenTech


    Google は昨年10月に Chromebook Plus デバイスを発表し、将来的に Google AIとの連携が行われることを発表していましたが、今回改めて Chromebook 向けの AIとGemini を活用した新機能が発表され、様々な AI機能と Chromebook Plus にGemini が統合されることが明らかになりました。 昨年発表されていた新しい AI機能は、次の ChromeOSのメジャーアップデートである ChromeOS 125 で Chromebook Plus デバイスに追加される予定となっており、これには AI画像生成や Google フォトの﹁編集マジック﹂、AIによるテキスト入力補助の﹁Help me Write﹂などが含まれています。 ChromeOS 125 で追加される AI新機能 AI画像生成は、Chromebookの壁
    sh19910711
    sh19910711 2024/05/29
    "画像生成や Google フォトの｢編集マジック｣、AIによるテキスト入力補助の｢Help me Write｣など + ChromeOS 125 で Chromebook Plus デバイスに追加される予定 / Web 上でテキストを素早く要約するための｢Help Me Read｣機能"
    リンク

  • ESP32のC/C++の関数をアセンブリ言語化し手作業で最適化してみる


    はじめに 前回の記事ではESP32を対象に、アセンブリ言語の読み方を説明しました。今回はもう少し具体的な例を挙げて説明をしていきます。 前提条件 XtensaコアのESP32シリーズ (ESP32/ESP32-S2/ESP32-S3) を使用していること。 ArduinoIDEまたはVSCode+PlatformIOでESP32用のプログラムを実行できること。 前回までの記事の内容までを把握していること。 ※ ESP32-C3などはXtensaコアではないため、本記事の対象から外れます。 今回取り扱うサンプルコード 今回はC/C++で作成した関数をアセンブリ言語化し手作業で最適化する手法を説明します。 比較的手軽にアセンブリ言語化の恩恵が得やすい ﹃配列に対して何らかの演算を行い、結果を配列に格納する﹄ という処理例を用意します。 今回取り扱う例は以下のようにしました。 void test
    ESP32のC/C++の関数をアセンブリ言語化し手作業で最適化してみる
    sh19910711
    sh19910711 2024/05/28
    "floatの計算には時間が掛かる / madd.s命令でf0レジスタに演算結果が入りますが、次行ですぐにssi命令でf0の値を使おうとしています。このときssi命令はf0の値が利用可能になるまで待機させられてしまう"
    リンク

  • Microsoft、Windowsローカルで実行可能なSLM「Phi Silica」を全「Copilot+ PC」に搭載へ


    米Microsoftは5月21日︵現地時間︶、開発者向け年次開発者会議﹁Microsoft Build 2024﹂の基調講演で、ローカルで実行可能なSLM︵小規模言語モデル︶﹁Phi Silica﹂︵ファイシリカ︶を発表した。前日発表した一連の﹁Copilot+ PC﹂に搭載していく。 Microsoftは﹁Phi-3﹂ファミリーでSLMを展開しているが、Phi SilicaはPhi-3の最小モデル﹁Phi-3-mini﹂︵38億パラメータ︶より小さい33億パラメータ。 Copilot+ PCのNPU︵ニューラルプロセッシングユニット︶に最適化されており、トークン生成はNPUのキャッシュを再利用してCPUで実行され、1秒当たり約27個のトークンを生成するという。これにより、閲覧中の画面を数秒ごとに保存しておき、後から横断検索できる﹁回顧﹂︵Recall︶機能などを高速に実行できる。 ﹁回顧
    Microsoft、Windowsローカルで実行可能なSLM「Phi Silica」を全「Copilot+ PC」に搭載へ
    sh19910711
    sh19910711 2024/05/22
    "Phi Silica: Phi-3-miniより小さい + Copilot+ PCのNPUに最適化 / 閲覧中の画面を数秒ごとに保存しておき、後から横断検索できる「回顧」（Recall）機能などを高速に実行 / Windows Copilotライブラリで利用可能になる見込み"
    リンク

  • ArmのScalable Matrix Extension (SME)を試す


    最近のCPUには行列乗算に役立つ命令が載っていることがあります。IntelのAdvanced Matrix Extensions (AMX)、AppleのAMX、IBM PowerのMatrix-Multiply Assist (MMA)，そしてここで取り上げるArmのScalable Matrix Extension (SME)です。 SMEはここ数年︵2021年ごろから？︶話は聞きますが、実物の話は聞かないという状況でした︵私の中では︶。それが最近発表されたApple M4に実装されているという噂を聞いて、俄然興味が出てきました。Apple M4の実物は私は持っていませんが、QEMUを使うとSMEの動作確認ができるようです。やってみましょう。 環境構築とベクトル長Ubuntu 24.04上のGCC 14/Clang 18とQEMU 8.2で動作確認します。Ubuntuはx86_64で
    ArmのScalable Matrix Extension (SME)を試す
    sh19910711
    sh19910711 2024/05/20
    "SME; Scalable Matrix Extension: 行列乗算に役立つ + 最近発表されたApple M4に実装されているという噂 + QEMUを使うとSMEの動作確認ができる / Macに搭載されれば個人のパソコンでSMEプログラミングができる"
    リンク
  • 1 2 3 4 5 6 7 8 9 10 次のページ

お知らせ

もっと読む

公式Twitter

  • @HatenaBookmark

    リリース、障害情報などのサービスのお知らせ

  • @hatebu

    最新の人気エントリーの配信

はてなブックマーク

公式Twitter

はてなのサービス

  • App Storeからダウンロード
  • Google Playで手に入れよう
Copyright © 2005-2024 Hatena. All Rights Reserved.