里長伯活動佈告欄

更多訊息可以上FB: QuAI Community  https://www.facebook.com/QNAPQuAI/ 參考資訊： QNAP QTS 4.3.4  https://www.qnap.com/qts/4.3.4/zh-tw QNAP QIoT  http://qiot.qnap.com/en AI 相關教學文章： 如何在QNAP NAS上使用GPU 使用Intel OpenVINO 做推論及優化 在QNAP NAS上設定TensorFlow 有任何問題歡迎留言一起討論

威聯通最新 QTS 4.3.4 正式版登場！即刻升級獲得標配快照保護，多項服務效能與影音體驗最佳化 台灣，台北，2017 年 12 月 25 日  – 威聯通®科技 (QNAP® Systems, Inc.) 今日釋出最新 NAS 作業系統 QTS 4.3.4 正式版，以「源自儲存本質的思考與改變」為核心概念，提供更高效、多工與高安全性的全方位 NAS 解決方案。 威聯通科技產品經理呂衿同表示：「QNAP 不僅適應當前 IT 管理需求，讓快照功能僅需 1GB RAM 即可啟用，成為 NAS 的標準配備以協助使用者抵禦猖獗的勒索軟體威脅和意外的資料遺失風險，更著眼科技的未來發展趨勢，跳出儲存界線，進一步強化圖形運算、物聯網，以及進階多媒體體驗等應用，讓 QNAP NAS 在 IT 領域成為核心角色。」 了解更多 QTS 4.3.4資訊，請造訪  https://www.qnap.com/qts/4.3.4/zh-hk/ 更多豐富內容，請觀看 QTS 4.3.4 線上直播發表會   https://www.qnap.com/event/2017/qts434-sneakpreview/zh-hk/ 了解更多：  為什麼 QNAP 不使用 Btrfs 檔案系統？ QTS 4.3.4 新應用及新功能重點摘要： 領先業界的儲存與快照管理功能，讓 NAS 效能發揮極大化 全新的 Storage & Snapshots Manager (儲存與快照總管)： 儲存空間與快照管理齊頭並進，UI 設計更全面、更易用。各個 Volume / LUN 的所屬型態更加顯而易見，所有快照版本和時間更能精準掌握。[ 知道更多 ]  [ 直播影片 ] ARM 架構機種支援快照： 區塊層級 (Block-based) 快照功能提供便利、近乎秒速的資料快照備份與還原，更可防禦惡意軟體的威脅。多款搭載 AnnapurnaLabs 處理器的 QNAP NAS 僅需 1GB 記憶體即可享有快照保護，性價比更高。[ 知道更多 ]  [ 直播影片 ] 快照共用資料夾 (Snapshot Shared Folder)： 可建立一個磁碟區只含一個資料夾的特別架構，形成分區快照保護，資料恢復速度也更加快速。[ 知道更多 ]...

NVIDIA Deep Learning Institute (DLI) https://www.nvidia.com/en-us/deep-learning-ai/education/ The CIFAR-10 dataset http://www.cs.toronto.edu/~kriz/cifar.html Caffe http://caffe.berkeleyvision.org/ Image net http://image-net.org/challenges/LSVRC/2014/index The Unreasonable Effectiveness of Recurrent Neural Networks http://karpathy.github.io/2015/05/21/rnn-effectiveness/ THE MNIST DATABASE of handwritten digits http://yann.lecun.com/exdb/mnist/ Automatically Graded Quiz for any  Quizlet   set. https://answer.ky/#/ Yann LeCun ,  Director of AI Research, Facebook http://yann.lecun.com/ Caltech 101 http://www.vision.caltech.edu/Image_Datasets/Caltech101/

Binary Classification (二元分類) Binary  or  binomial classification  is the task of  classifying  the elements of a given  set  into two groups (predicting which group each one belongs to) on the basis of a  classification rule . Contexts requiring a decision as to whether or not an item has some  qualitative property , some specified characteristic, or some typical binary classification include: Medical testing  to determine if a patient has certain disease or not – the classification property is the presence of the disease. A "pass or fail"  test method  or  quality control  in factories, i.e. deciding if a specification has or has not been met – a  Go/no go  classification. Information retrieval , namely deciding whether a page or an article should be in the  result set  of a search or not – the classification property is the relevance of the article, or the usefulness to the user. related informat...

QNAP NAS 也可以安裝GPU了 擴充顯示卡，效能提升 擴充顯示卡，效能提升  您可依照需求，將擴充顯示卡資源分派給以下應用：  QTS 影像處理加速  可挹注更多動能來提升 QTS 系統進行影像處理的效率，大幅降低等待時間。舉例來說，一部高清影片有了擴充顯示卡的加持，影像處理時間可比原先時間縮短 1/3 到 1/10 (根據 NAS 型號結果有所不同)，讓 NAS 效能更上一層樓。  HD Station / Linux Station  對於沒有內建 HDMI 埠的 NAS 機種，您也可以透過特定擴充顯示卡上的 HDMI 埠來輸出 HD Station 與 Linux Station 桌面。 註：需搭配 Linux Station 1.5 (即將推出)  虛擬機工作站 (Virtualization Station)  顯示卡的運算資源，可透過虛擬機工作站分派給虛擬機獨立運用。GPU Passthrough 強化虛擬機顯示效能，不僅跑得動，更跑得順。  註： 選購顯示卡前，請務必確認 NAS 時否提供足夠的顯示卡運行電力，以及機構空間大小是否合適該顯示卡。 當顯示卡應用於 Virtualization Station 虛擬機時，系統將停止對 QTS 的硬體轉檔支援。 GPU 支援 QTS 應用僅適用於 NVIDIA 顯示卡；虛擬機 GPU Passthrough 則可使用 AMD 與 NVIDIA 顯示卡。 查詢擴充顯示卡相容性列表。 更多訊息可以上QNAP 官網： QTS 4.3.4  https://www.qnap.com/qts/4.3.4/zh-tw 以及看這場直播介紹 來實際上看一下QNAP NAS上安裝了GPU之後有哪些變化。 使用這個TS-1277 搭配 QTS 版本4.3.5    QTS 4.3.5.0722 build 20181007 這一個版本已經可以支援Container Station v1.9 來處理GPU的部分 :) 從QTS 右上角的系統資訊 可以看到GPU目前的狀態 從裡面可以看到目前的GPU 資訊，包含設定給誰使用 ... 如圖所示，現在是Assign resource to QTS 可以從Controla P...

http://www.pida.org.tw/mobile/SeminarDetail.aspx?seminar_id=1926 研討會 2017年光電大未來研討會 場次3：人工智慧相關技術發展趨勢 課程資料 課程簡介： 師資簡介： 王友光 執行長/光禾感知科技股份有限公司 鄭人豪 專案經理/威聯通科技股份有限公司物聯網解決方案部 謝明燁 副總經理/華電聯網股份有限公司 上課時間： 2017/12/14 ~ 2017/12/14 上課地點： 台北市大安區基隆路四段43號 (國立臺灣科技大學國際大樓二樓202會議室) 場次資料 2017/12/14 09:30 ~ 10:10 AR擴增實境與室內地圖導航技術建構 光禾感知科技股份有限公司 王友光 執行長 10:20 ~ 11:00 站在NAS的中心呼喊人工智慧 威聯通科技股份有限公司 物聯網解決方案部 鄭人豪 專案經理 11:10 ~ 11:50 人工智慧之大數據分析趨勢與應用 華電聯網股份有限公司 謝明燁 副總經理 報名程序 ◆費 用：免費 ◆報名方式 1.僅受理網路報名，即日起至2017年12月6日前完成報名及繳費手續，額滿截止。 2.請參加者先註冊為學員(加入學員)後，使用帳號、密碼登入網路報名。如已有帳號、密碼者請直接登入報名即可(hotmail會擋信，建議使用gmail)。 3.報名完成後系統將寄出「報名確認回函」以示完成報名程序，如未收到請來電確認。 4.本場次不提供紙本或電子檔講義。 5.本協進會將於課程前二天，E-mail上課通知函給本人，未收到者請主動與本協進會聯絡，謝謝您的配合！ 6.為響應環保，敬請自備水杯。 ◆聯 絡 人：02-23514026 楊小姐 (ext.810) FAX:(02)23968513 光電科技工業協進會 10093 台北市中正區羅斯福路二段九號五樓. TEL : +886-2-2396-7780/FAX : +886-2-2341-4559 版權所有 © 1982 ~...

Q: Why do we have to use Python?  A: Python is an open-source language, anyone can use it from anywhere in the world. It is widely used in academics (research labs) or in the industry. It has a useful library "Numpy" that makes math operations very easy. Python has several deep learning frameworks running on top of it (Tensorflow, Keras, PaddlePaddle, CNTK, Caffe, ...) and you are going to learn some of them. It is also easy to learn. Furthermore, we believe Python has a good future, as the community is really active and builds amazing stuff.

 AI 筆記 NVDIA AMD 以及 ? Intel ? 整理一些收集來的筆記： CUDA and OpenCL are the two main ways for programming GPUs. CUDA is by far the most developed, has the most extensive ecosystem, and is the most robustly supported by deep learning libraries. CUDA is a proprietary language created by Nvidia, so it can’t be used by GPUs from other companies. When fast.ai recommends Nvidia GPUs, it is not out of any special affinity or loyalty to Nvidia on our part, but that this is by far the best option for deep learning. Nvidia dominates the market for GPUs, with the next closest competitor being the company AMD . This summer, AMD announced the release of a platform called ROCm to provide more support for deep learning. The status of ROCm for major deep learning libraries such as PyTorch, TensorFlow, MxNet, and CNTK is still under development.  總之Nvidia 系列就要研究CUDA 而如果是其他就要靠OpenCL OpenCL （Open Computing Language，开放计算语言） 是一個為異構平台編寫程式的框架，此異構平台可由CPU、GPU、DSP、FPGA或其他類型的處理器與硬體加速器所組成。OpenCL由一門用...

步驟一-下載Source code上傳至NAS: (1)從MCS-lite github上面下載source code: https://github.com/MCS-Lite/mcs-lite-app/releases (2)上傳檔案至NAS上(可自訂目錄，這裡以Web資料夾為範例) (3)解壓縮 步驟二: (1)開啟 Container Station(如果沒有請至AppCenter安裝) (2)建立node.js build container (3)將共用資料夾新增我們剛剛上傳MCS-lite到NAS上共用資料夾的路徑 EX:/web (4)建立完成後選擇我們剛剛建立的Contauner，點選終端機，輸入bash後按確認 (5)執行指令: cd /web/mcs-lite-app-1.0.4                                                                                                            ...