Tesla

  • CUDA I OBLICZENIA NA GPU
  • APLIKACJE WYKORZYSTUJĄCE GPU
  • JEDNOSTKI GPU DLA SERWERÓW I STACJI ROBOCZYCH
Aplikacje wykorzystujące GPU
Divider

Uczenie maszynowe

Naukowcy z dziedziny analityki danych, zarówno akademiccy jak i w przemyśle, korzystają z układów GPU do przełomowych udoskonaleń w szeregu zastosowań, włącznie z klasyfikacją obrazów, analityką wideo, rozpoznawaniem mowy i przetwarzaniem języka naturalnego. W szczególności głębokie uczenie – gdzie wykorzystanie finezyjnych, wielopoziomowych „głębokich” sieci neuronowych do tworzenia systemów, które mogą dokonywać wykrywania cech z ogromnych ilości nieoznakowanych danych uczących – jest obszarem, w którym zainwestowano znaczące środki i przeprowadzono badania.

Pomimo tego, że uczenie maszynowe towarzyszy nam od dziesięcioleci, to dopiero dwa stosunkowo niedawne trendy zapoczątkowały szerokie wykorzystanie uczenia maszynowego: dostępność ogromnej ilości danych uczących oraz potężny i efektywny system obliczeń równoległych, jaki zapewniają obliczenia na układach GPU.

Wśród pierwszych użytkowników akceleratorów GPU na potrzeby uczenia maszynowego znajdują się największe firmy z branży mediów i internetu, jak również najlepsze instytucje badawcze zajmujące się analityką danych i uczeniem maszynowym. Z tysiącami rdzeni obliczeniowych i od 10 do 100 razy wyższą wydajnością aplikacji w porównaniu do samych jednostek CPU, naukowcy z branży analityki danych uznali układy GPU za najlepszy wybór do przetwarzania ogromnych zbiorów danych (big data).

 

Testy wydajności aplikacji do uczenia maszynowego

SGEMM Performance

Dzięki układom GPU wcześniej nagrane przemówienie lub treści multimedialne można o wiele łatwiej poddać transkrypcji. W porównaniu do zastosowania jednostek CPU możemy wykonać rozpoznawanie mowy do 33 razy szybciej.

 

- Profesor Ian Lane, Uniwersytet Carnegie Mellon

 

Dowiedz się, jak inni naukowcy z branży analityki danych osiągają postępy na polu uczenia maszynowego, uzyskaj informacje o narzędziach, środowiskach oprogramowania i konfiguracjach obliczeniowych, które pomogą Ci zacząć.

 
 
Narzędzia związane z uczeniem maszynowym
  • Caffe: Framework for convolutional neural network algorithms
  • cuda-convnet: High performance C++/CUDA implementation of convolutional neural networks
  • Theano: Python library to define, optimize, and evaluate mathematical expressions
  • Torch7: Scientific computing framework for machine learning algorithms 
  • cuBLAS: GPU-accelerated version of the complete standard BLAS library
  • MATLAB: Easy-to-use HPC language integrating computation, visualization, and programming
  • cxxnet: Neural network toolkit
 
 
 
Rozmowy techniczne dotyczące uczenia maszynowego
 
Publikacje techniczne dotyczące uczenia maszynowego
 
Firmy i instytuty badawcze korzystające z układów GPU w uczeniu maszynowym
Adobe Baidu Facebook Flickr
IBM Microsoft Netflix Nuance
Yandex      
 
Rekomendowane konfiguracje systemowe
Stacja robocza na potrzeby programistyczne Klaster na potrzeby uczenia

Dwa akceleratory GPU NVIDIA Tesla K40

Dwie jednostki CPU Intel Xeon (8 rdzeni lub więcej)

64 GB pamięci systemowej

Osiem akceleratorów GPU NVIDIA Tesla K40

Dwie jednostki CPU Intel Xeon (8 rdzeni lub więcej)

256 GB pamięci systemowej

 

Opcje konfiguracji

Opcje konfiguracji

 

W celu uzyskania informacji jak dokonać zakupu akceleratorów GPU, prosimy o odwiedzenie strony – 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