MIKI BLOG

2026-03-03

ONNX Runtime GPU：なぜ自前でビルドする必要があるのか、その手順

ONNX Runtime GPU を aarch64 環境で自前ビルドする必要性と、CUDA 13・cuDNN のインストールから CMake 設定、Wheel 生成、検証までの手順を詳しく解説。DGX‑Spark ユーザー向けに最適化されたガイドです。

#gpu #ディープラーニング #onnxruntime #aarch64 +2

2025-12-19

消失勾配（Vanishing Gradient）―ディープラーニングが「短期記憶障害」に陥る理由

ディープラーニングにおける消失勾配（Vanishing Gradient）現象の原因と、シグモイド関数と連鎖律がもたらすメカニズムを解説。ReLUとResNetがどのようにこの問題を解決し、実践的な応用ポイントを紹介します。

#ディープラーニング #逆伝播 #relu #resnet +2

2025-12-19

バックプロパゲーション：AIがエラーの『犯人』を追跡する方法（連鎖律付き）

バックプロパゲーションを通じてAIがエラーの原因を特定する仕組み、チェインルールとPyTorch Autogradが自動で勾配を計算する方法、さらに深層ネットワークで発生する勾配消失問題とその解決策を分かりやすく解説します。

#ディープラーニング #ai #pytorch autograd #バックプロパゲーション +2

2025-12-17

ディープラーニングで微分が必要な理由は？（線形代数と関係ある？）

ディープラーニングで微分が不可欠な理由を開発者視点で解説。線形代数と非線形関数が組み合わさったモデルにおいて、微分は誤差を減らす方向を示すコンパスとして機能し、勾配降下法と逆伝播を通じて効率的に学習を進めます。微分がどのようにパラメータを調整し、非線形性による複雑さを解決するかを段階的に説明します。

#ディープラーニング #微分 #線形代数 #勾配降下法 +3

2025-12-17

NumPyとPyTorchの本当の関係と学習順序ガイド

ディープラーニング開発者なら一度は悩む、NumPy と PyTorch の関係を整理しました。NumPy は主に CPU 上での数値計算やデータ前処理、可視化に使われ、PyTorch は GPU 上での自動微分付きテンソル演算に特化しています。両者のメモリ共有や相互変換の仕組みを理解しておくと、実務で NumPy と PyTorch を行き来しながら、より効率的にモデル開発や学習パイプラインを構築できます。

#pytorch #gpu #ディープラーニング #numpy +3

2025-12-16

NumPyの基本演算で深層学習を学ぶ：`+`、`-`、`*`、`/`、`**`、比較、`sum/mean/max/min`、`axis`

NumPyの基本演算（+, -, *, /, **）、比較演算、集計関数（sum, mean, max, min）とaxisの概念を深層学習の観点から詳しく解説します。要素ごとの演算、スカラー演算、マスク活用、feature‑wiseとsample‑wise統計計算など実践例とともに学び、NumPyとPyTorchテンソル演算を自然に結びつけ、損失、正確度、正規化など深層学習の核心計算を迅速に実装できるようにします。

#ディープラーニング #numpy #axis #基本演算 +3

2025-11-19

LoRAモデル更新の秘密 - 忘却と復習、人的記憶に似た微調整の技術

LoRAモデル更新の秘密を探求し、忘却と復習メカニズムを通じて人間記憶を模倣した微調整技法を紹介します。この文はLoRA基盤モデルの効率的更新戦略と実践適用事例を扱い、AI開発者や研究者に実践的なインサイトを提供します。

#ディープラーニング #lora #モデル更新 #微調整 +1

2025-04-20

CUDAとは何か？GPUと並列計算の始まり

CUDAは並列計算のためのNVIDIAのプラットフォームで、GPUを活用した高速演算に不可欠な技術です。概念と構造を紹介します。

#cuda #gpu #nvidia #並列計算 +1

すべての投稿