支援に使用している機器一覧

慶應義塾大学

画像解析

機器・装置名 メーカー・型式等  /  特徴 キーワード 設置機関名
機械学習用計算サーバ

AMD Ryzen 9 3950X (32) @ 3.5GHz, 64GB memory, NVIDIA RTX A6000 x 1, NVIDIA Quadro RTX 6000 x 1

独自に開発してきた深層学習を用いた画像解析ソフトウェア及びPyTorch, Tensorflow 等の深層学習フレームワークを実行可能。

物体認識 セグメンテーション 細胞追跡 機械学習 慶應義塾大学
機械学習用計算サーバ

Intel Xeon Gold 6342 (48) @ 3.5GHz, 128GB memory, NVIDIA A100 x 4

独自に開発してきた深層学習を用いた画像解析ソフトウェア及びPyTorch, Tensorflow 等の深層学習フレームワークを実行可能。

物体認識 セグメンテーション 細胞追跡 機械学習 慶應義塾大学
機械学習用計算サーバ

Intel Xeon Silver 4114 (40) @ 3.0GHz, 96GB memory, NVIDIA V100 x 1, NVIDIA A100 x 3

独自に開発してきた深層学習を用いた画像解析ソフトウェア及びPyTorch, Tensorflow 等の深層学習フレームワークを実行可能。

物体認識 セグメンテーション 細胞追跡 機械学習 慶應義塾大学
機械学習用計算サーバ

Intel Xeon Silver 4114 (40) @ 3.0GHz, 96GB memory, NVIDIA V100 x 1, NVIDIA A100 x 3

独自に開発してきた深層学習を用いた画像解析ソフトウェア及びPyTorch, Tensorflow 等の深層学習フレームワークを実行可能。

物体認識 セグメンテーション 細胞追跡 機械学習 慶應義塾大学
機械学習用計算サーバ

Intel Xeon E5-2620 v2 (24) 2.6GHz, 64GB memory, NVIDIA K40m x 1, NVIDIA A100 x 2

独自に開発してきた深層学習を用いた画像解析ソフトウェア及びPyTorch, Tensorflow 等の深層学習フレームワークを実行可能。

物体認識 セグメンテーション 細胞追跡 機械学習 慶應義塾大学

お問い合わせ・ご相談はこちらまで

どの支援を受けたらよいかわからない。ABiSの支援対象になるかどうか申請前に確認したい。などはもちろんのこと、具体的な技術に関する質問など、バイオイメージングに関することならどんなことでもご相談ください。

バイオイメージング相談窓口

ABiSに寄せられるよくある質問をQ&A形式でまとめました。申請される方はまずこちらをご参考ください。

よくあるご質問