Tesla

Aplikacje Akcelerowane prezez GPU

Analityka dużych zbiorów danych, analiza danych i uczenie maszynowe

Coraz większa liczba klientów wykorzystuje układy GPU do analityki dużych zbiorów danych (big data), aby w czasie rzeczywistym podejmować lepsze decyzje biznesowe. Na poniżej stronie znajdują się przykłady wykorzystania układów GPU przez klientów i technik stosowanych w analityce dużych zbiorów danych, takich jak maszynowe uczenie się, wyszukiwanie i sortowanie.

 
 
 
DZIESIĘCIOKROTNE PRZYSPIESZENIE ROZPOZNAWANIA OBRAZU PRZY WYKORZYSTANIU SIECI NEURONOWYCH

DZIESIĘCIOKROTNE PRZYSPIESZENIE ROZPOZNAWANIA OBRAZU PRZY WYKORZYSTANIU SIECI NEURONOWYCH
Dr Dan Ciresan, Szwajcarskie Laboratorium Sztucznej Inteligencji w instytucie IDSIA w Szwajcarii

NAJWIĘKSZE NA ŚWIECIE SZTUCZNE SIECI NEURONOWE WYKORZYSTUJĄ UKŁADY GPU

NAJWIĘKSZE NA ŚWIECIE SZTUCZNE SIECI NEURONOWE WYKORZYSTUJĄ UKŁADY GPU
Adam Cotes i inni, Laboratorium Sztucznej Inteligencji w Stanford, Stany Zjednoczone WIĘCEJ INFORMACJI

 

W celu uzyskania informacji dotyczących kluczowych niezależnych producentów oprogramowania (ISV) i aplikacji prosimy odwiedzić stronę  aplikacje wykorzystujące GPU.

 
Raporty techniczne na temat wykorzystania CUDA w problematyce dużych zbiorów danych

Uczenie maszynowe

> Głębokie uczenie się z ogólnodostępnymi komercyjnymi systemami HPC, Adam Coates i inni (Stanford, NVIDIA) (PDF)
> Wykrywanie mitozy w obrazach histologicznych raka piersi przy użyciu rozległych sieci neuronowych, D. Ciresan i inni (IDSIA)(PDF)
          >  Pozostałe nagradzane artykuły naukowe i wyniki testów instytutu IDSIA(IDSIA website )
> Szybkie uczenie maszynowe i klasyfikowanie wektorów nośnych na procesorach graficznych, Bryan Catanzaro i inni (Uniwersytet Berkeley, NVIDIA) (UC Berkeley, NVIDIA) (PDF)

Eksploracja i analityka danych

>  Wyszukiwanie tekstu w czasie rzeczywistym - akcelerowane na GPU dopasowywanie słów kluczowych i ocena wyrażeń, Brendan Wood (Salesforce.com). GTC13 (wideoslajdy)
>  Tworzenie akcelerowanych języków dziedzinowych i kompilatorów GPU z wykorzystaniem biblioteki libNVVM (włącznie z przykładami), Yuan Lin (NVIDIA). GTC13   GTC13 (wideoslajdy)
>  Akcelerowana na GPU analityka wielkoskalowa, Wu, Zhang, Hsu, Laboratoria firmy HP (PDF)
>   Nowe spojrzenie na wspólne przetwarzanie na układach GPU, Tim Kaldewey i inni (IBM, DaMon'12) (PDF)
>   Równoległe wyszukiwanie na kartach wideo, Tim Kaldewey i inni (Oracle Corp) (PDF)

Wyszukiwanie i sortowanie

> Efektywne algorytmy równoległe intersekcji list i kompresji indeksów wykorzystujące GPU, Naiyong Ao i inni (Wspólne Laboratorium NanKai-Baidu)(PDF)
> Przechodzenie grafu przy użyciu skalowalnego układu GPU, Merrill i inni (NVIDIA) (webpage)
>  Projektowanie efektywnych algorytmów sortujących dla wielordzeniowych układów GPU, Satish i inni (Berkeley, NVIDIA) (PDF)
>  Szybki i elastyczny algorytm sortujący wykorzystujący CUDA, Chen i inni (Chińska Akademia Nauk)(PDF)
> Sortowanie z użyciem sieci bitonicznych w CUDA, Baraglia i inni (Narodowe Rada ds. Badań) (PDF)

Bazy danych

>  Niech układ GPU zajmie się ciężką robotą w Twojej hurtowni danych, Tim Kaldewey (IBM), Rene Mueller (IBM). GTC13 (wideoslajdy)
> Architektura bazy danych dla GPU, Peter Bakkum (Groupon). GTC13 (wideoslajdy)
> Szybsze obliczenia związane z centralnością przy wykorzystaniu jednostek GPU , Umit V. Catalyurek (Uniwersytet Stanowy Ohio). GTC13(wideoslajdy)
>   Nowe spojrzenie na wspólne przetwarzanie na układach GPU, Tim Kaldewey, Guy Lohman, Rene Mueller, Peter Volk. Sprawozdanie z VIII Międzynarodowych Warsztatów poświęconych zarządzaniu danymi na nowoczesnym sprzęcie komputerowym (DaMoN '12) (wideoslajdy)
>  Sprawne operacje łączenia, wyszukiwania i definiowania zmiennych środowiskowych na układach GPU, Sean Baxter, Duane Merrill. GTC13   (PDF)
>  Akcelerowane przez GPU wyszukiwanie tekstuYongpeng Zhang i inni (Uniwersytet Stanowy Północnej Karoliny, Państwowe Laboratorium Oak Ridge) (PDF)

Map-Reduce / Hadoop

>  Model MapReduce na klastrach GPU, Stuart i inni (Uniwersytet Kalifornijski w Davis)(PDF)
> Potok modelu MapReduce korzystający z wielu układów GPU do obróbki dużych zbiorów danych, Chen i inni (Uniwersytet Stanowy Arkansas)(PDF)
> Optymalizacja Map Reduce dla GPU z efektywnym wykorzystaniem współdzielonej pamięci, Chen i inni (Uniwersytet Stanowy Ohio)(PDF)
> MITHRA: skalowanie CUDA do poziomu klastrów przy użyciu MapReduce, Farivar i inni (slajdy)
> Oparta na modelu Map-Reduce struktura przeznaczona dla środowisk heterogenicznych klastrów obliczeniowych, Tan i inni (Uniwersytet Technologiczny Nanyang, Singapur) (PDF)
 
 
I luoghi nei quali si fanno ricerche con le GPU
Georgia Tech

Georgia Tech

Hong Kong University of Science and Technology

Hong Kong University of Science and Technology

IDSIA

IDSIA

Nankai University

Nankai University

New York University

New York University

Ohio State University

Ohio State University

Stanford

Stanford

University of Michigan

University of Michigan

University of Montreal

University of Montreal

University of Toronto

University of Toronto

Virginia Tech

Virginia Tech

 
 
 
I luoghi nei quali si utilizzano soluzioni basate su GPU
Baidu

Baidu

Cortexica

Cortexica

Jedox

Jedox

Nuance

Nuance

Onuma

Onuma

Salesforce

Salesforce

Shazam

Shazam

Yandex

Yandex

 
 
Sprawdź także
>  Narzędzia i biblioteki CUDA
         >  PyCUDA
         > NumabaPro
>  Podanie o udostępnienie sprzętu dla ośrodków akademickich
> Gdzie kupić produkty Tesla
 
CUDA i obliczenia na GPU

Czym są obliczenia na GPU?
Fakty związane z obliczeniami
na układach GPU

Programowanie układów GPU
Architektura GPU Kepler
Obliczenia w chmurze
z użyciem GPU

Skontaktuj się z name

Czym jest CUDA?
Witryna CUDA
Szkolenia CUDA
Szkolenia CUDA
Centra szkoleniowe CUDA

Aplikacje wykorzystujące GPU

Aplikacje wykorzystujące GPU Tesla
Dyrektywy GPU OpenACC
Studia przypadku dotyczące
rozwiązań Tesla

Jednostki GPU Tesla dla
serwerów i stacji roboczych

Dlaczego warto wybrać
rozwiązania Tesla

Rozwiązania serwerowe Tesla
Rozwiązania Tesla dla
stacji roboczych

Kup jednostki GPU Tesla

Wiadomości i informacje
dotyczące jednostek Tesla

Materiały informacyjne o
produktach Tesla

Cechy oprogramowania Tesla
Narzędzia programistyczne Tesla
Badania NVIDIA
Powiadomienia Tesla

Znajdź nas Online

NVIDIA Blog Blog NVIDIA

Facebook Facebook

Twitter Twitter

Twitch Twitch

YouTube YouTube