備忘録

★AWS別アカウントのIAMユーザにAssumeロール(メモ)
AWSアカウントAのIAMユーザからAWSアカウントBのIAMロールにAssumeロールできるようにする。
・AWSアカウントAのIAMロール:test01-user
・AWSアカウントBのIAMロール:test02-role

test01-userに対して以下の以下のポリシーを適用する
・test02-switchrole

test02-roleに対して以下の信頼関係を記述する

これでtest01-userからtest02-roleへスイッチロールできるようになる。

★DeepLearning
参考:

説明できますか?CPUとGPUの違い

★CPUとGPUの違い
GPUはCPUよりもはるかに多くのコアを搭載しており、コアの数は同時に対応できる処理の多さを示す。
GPUは同じ処理を同時に複数のコアに命じることができる。
CPUは一つ一つの処理を一つずつ行うような作業に強いです。

具体例:
★CPU
Xeon E5-2680 v2 CPUは10コアで、各コアでAVX2を使えば、単精度浮動小数点の積和演算を8個並列に実行でき、
2演算(積と和)×8並列×8コア=128演算を実行

★GPU
NVIDIAのK20x GPUは2演算×192並列×14コア=5376演算を並列に実行可能

Xeon E5-2680 v2のクロックは2.8GHzであるのに対して、K20x GPUは0.732GHzであり、CPUの方が3.825倍のクロックであることを考慮しても、
5376/(128×3.825倍クロック)=10.98で、ピーク演算性能でいうと、Kepler GPUの方が11倍以上速い。

二つのCPUの特徴としては、
・GPUは大量の単純な計算に向いている
⇒『for』が得意
・CPUは複雑な処理をするのに優れている。
⇒『if~else~』が得意

★GPUとDeepLearninge
NVIDIAで開発された当初は、ゲーマ向け
当初は、GPUはその単純な仕組みにより、全ての計算を正確には行わなかった。
多少結果が異なっても問題がなかったため、以前CPUが使用されていた。

NVIDIAがECC(Error Correction Code) という計算エラーを自動で検知し、
修正する機能などの充実をしたため、GPU向きとなった。
CPUでは、モデルの構築→学習→調節→学習のサイクルが高速で回せないため、
GPUの同じ動作を高速周回できる機能との相性が良かった。

★AWSでのGPUインスタンスについて
p3.2xlarge GPU1基搭載   3.06USD/時間
p3.8xlarge GPU4基搭載   12.24USD/時間
p3.16xlarge GPU8基搭載   24.48USD/時間

p3.16xlargeは、単精度浮動小数点演算を125兆回実行可能

コメントを残す

メールアドレスが公開されることはありません。 * が付いている欄は必須項目です