
Googleの生成AI、Gemini様には過去回でVerilog使った論理設計や、エミッタ接地増幅回路など、好き勝手なお題に回答していただいとります。立派な回答いただけてます。デジタルでもアナログでも任せておけってか? 今回はまたGemini様に茫漠とした問いかけをしてしまいました。「ローパスフィルタを設計して」と。
デバイス作る人>>デバイス使う人>>デバイスおたく
Googleの生成AI、Gemini様には過去回でVerilog使った論理設計や、エミッタ接地増幅回路など、好き勝手なお題に回答していただいとります。立派な回答いただけてます。デジタルでもアナログでも任せておけってか? 今回はまたGemini様に茫漠とした問いかけをしてしまいました。「ローパスフィルタを設計して」と。
前回はGoogleの生成AI、Gemini様にありがちな「エミッタ接地増幅回路」を設計?してもらいました。シミュレーション上要調整ではあるものの動きそうな回路っす。今回は前回の結果を「踏まえて」使用トランジスタを変更してもらいます。どちらも定番デス。2SC1815から2N3904へ。Gemini様はどうさばくの?
前回、前々回とGoogleの生成AI、Gemini様にLogic回路をVerilogでコーディングしてもらいました。イケてます。余勢を駆って?今回はアナログ回路を設計してもらおうと思います。ありがちな「エミッタ接地増幅回路」ね。お願いしたら「設計」してくれたのだけれど回路図なしに受動部品を番号で呼ばれても辛いよな。。。
“AIの片隅で(28) Googleの生成AI、Gemini、エミッタ接地増幅回路を設計して” の続きを読む
生成AIしてますか?頭の固い年寄はサッパリなので練習中です。今回はGoogle GeminiにBCDデコーダを設計してもらいました。標準ロジック 74HC42 相当の動作をする回路を想定。前回のバイナリカウンタは生成されたVerilogソースそのままでシミュレーションOKでしたが、今回は多少変更が必要でした。
“AIの片隅で(27) Googleの生成AI、GeminiにBCDデコーダを設計してもらう” の続きを読む
先週、インタフェース誌10月号のAIチップ特集を読みながら「メールが届くのを待っています」などとブーたれていたのです。M5StickVのWeb上でのAIトレーニング環境であるV-Training、ここに来て、先月何かの理由で詰まってしまっていたQueueが解消されて動き出したようです。処理完了のメールがとどき、学習済のデータセットをM5StickVにセットすれば、ちゃんと目論見どおり認識をば致しまする。待ち行列解消さえすればこんなにお手軽なものは無い? “AIの片隅で(23) M5StickV, V-Trainingその後” の続きを読む
直ぐ何かに影響されます。aNo研著のMAiX本を読み、約7カ月ほど「眠っていた」Kendryte K210搭載の小さな「AIカメラ」M5StickVを復活させねば、と決意いたしました。ちょうど新しいPC(といっても誰かのお古をクリーンインストールしたもの)が手に入ったので、いろいろ入れ過ぎてカオス気味のメイン機からついでにM5StickV関係をお引越しさせよう、と考えました。しかし、AI業界で7カ月は長い。いろいろ変わっていた。。。
折角、Kendryte K210搭載のM5StickVが手元にあるというのに、AIまでたどりつかず、SDカードやらGPIOやらと戯れている毎日。ちょっとAIの方に一歩踏み出すべいと思いつつ、本日も時間も気力もない。。。そんなおり、装置にプリインストール?されている boot.py、顔認識プログラムを読んでみることにしました。確かに顔認識しているけれども、小さい画面に表示されるだけ。 “AIの片隅で(21) Lenna様のお写真” の続きを読む
別シリーズで、「M5StickV+出してくだされ、私は待っておりますで」などと書いてしまいましたが、結局、待ちきれなくなって買ってしまいました。
M5StickV
Kendryte K210 SoCプロセッサ搭載機、CPUはRISC-V、そしてEdge AI向けのNeural Network Processor(KPU)搭載であります。しびれるスペックだな。
前回の投稿でChainer開発終わって寂しい件を書かせていただきました。しかし、CuPyの方は開発を益々?継続のようであります。そういえば、Chainerの裏でCuPyが動いているのは知っていましたが、直接使ってみたことってなかったかも。それにちょっと気になるのがNumPyと凄く互換性が高く見えるけれど、「所詮」CPUとGPUの違いあり、精度の違いなどどう処理されているのでしょうか。とりあえずやってみました。 “AIの片隅で(19) CuPy、NumPy、単精度、倍精度” の続きを読む
12月5日づけで、ちょっとショックなプレスリリースが出てました。日本を代表するAI(人口知能の方、最近投稿に頻発しておりますAugumentation Indexではありませぬ)ベンチャー企業であるPreferred Networksさんの以下のプレスリリースであります。
前回、cuDNNのサンプルプログラムを動かしていて、Jetson nanoでは残念ながら動かないところがある話を書きました。しかし、それ以上に分からなかったのが、サンプルプログラムの引数です。こんな感じ。
-c2048 -h7 -w7 -k512 -r1 -s1 -pad_h0 -pad_w0 -u1 -v1
まあね、これがコンボリューション・レイヤの計算のための引数であると分かっているので、cはchannel、hはheightなどと想像も多少はつくのです。しかし、何だか分からない引数もあり。多分、AIプロの人はこういう記号を見ただけで分かりあえるのかもしれません。しかし、私などは、まず記号の使い方からちゃんと調べて頭に入れて置かないとダメだな、と思い至りました。 “AIの片隅で(17) n,c,h,w,k,p,q,u,v,r,s なんのこっちゃ?” の続きを読む