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