- Регистрация
- 9 Май 2015
- Сообщения
- 1,071
- Баллы
- 155
- Возраст
- 52
На NVIDIA объявила о запуске новых инструментов для разработчиков, чтобы помочь им справиться с растущей сложностью глубинного обучения. Это, в частности, крупное обновление для , который включает в себя библиотеки и инструменты для создания приложений с поддержкой ИИ.
Что входит в NVIDIA SDK?
Опираясь на запросы разработчиков, NVIDIA раработала инструменты, библиотеки и , чтобы упростить создание приложений с искусственным интеллектом и высокопроизводительными вычислениями.
Уровень интереса к вычислениям на GPU растет, чему способствуют достижения в области ИИ.
Последние обновления предоставляют новые возможности и оптимизацию производительности для приложений, использующих графические ускорители:
Чтобы узнать об изменениях больше, советуем посмотреть выступление генерального директора NVIDIA Хуана Женьсюня:
А что за GPU Cloud?
Компания также анонсировала запуск (NGC), облачную платформу с графическим ускорением, оптимизированную для глубинного обучения. Платформа предназначена для разработчиков приложений с глубинным обучением, которые не хотят вручную настраивать новейшее программное и аппаратное обеспечение.
Это решение поставляется с NGC Deep Learning Stack — средой разработки, которая будет работать на ПК, суперкомпьютерах DGX и в облаке. Стек программ полностью управляется NVIDIA, поэтому разработчики могут использовать один видеоускоритель на своём ПК и дополнительные облачные ресурсы.
NGC предлагает следующие преимущества:
— .
Что входит в NVIDIA SDK?
Опираясь на запросы разработчиков, NVIDIA раработала инструменты, библиотеки и , чтобы упростить создание приложений с искусственным интеллектом и высокопроизводительными вычислениями.
Уровень интереса к вычислениям на GPU растет, чему способствуют достижения в области ИИ.
Последние обновления предоставляют новые возможности и оптимизацию производительности для приложений, использующих графические ускорители:
- теперь поддерживает , повышает производительность библиотек до 5 раз, а также предоставляет новую модель для управления потоками и обновления отладочных инструментов.
- ускоряет машинное обучение в 3.5 раза благодаря встроенной поддержке оптимизации моделей Caffe и TensorFlow.
- обеспечивает в 2,5 раза более быстрое обучение нейронной сети ResNet50 от Microsoft на платформе Caffe2.
- предоставляет возможность масштабирования машинного обучения до восьми серверов с графическим ускорением. Благодаря этому время обучения нейронной сети сокращается с нескольких дней до нескольких часов.
- Оптимизация процессоров Volta для таких фреймворков, как , Microsoft Cognitive Toolkit, , и , ускоряет их работу до 2,5 раз.
Чтобы узнать об изменениях больше, советуем посмотреть выступление генерального директора NVIDIA Хуана Женьсюня:
А что за GPU Cloud?
Компания также анонсировала запуск (NGC), облачную платформу с графическим ускорением, оптимизированную для глубинного обучения. Платформа предназначена для разработчиков приложений с глубинным обучением, которые не хотят вручную настраивать новейшее программное и аппаратное обеспечение.
Это решение поставляется с NGC Deep Learning Stack — средой разработки, которая будет работать на ПК, суперкомпьютерах DGX и в облаке. Стек программ полностью управляется NVIDIA, поэтому разработчики могут использовать один видеоускоритель на своём ПК и дополнительные облачные ресурсы.
NGC предлагает следующие преимущества:
- Оптимизация и интеграция: программный стек NGC будет предоставлять широкий спектр программного обеспечения, в том числе: Caffe, Caffe2, CNTK, MXNet, TensorFlow, Theano и Torch, а также обучающие системы NVIDIA DIGITS, NVIDIA Deep Learning SDK, nvidia-docker, для быстрого проектирования глубоких нейронных сетей.
- Универсальность: она создана для работы в любом месте. Пользователи могут начать с одного графического процессора на ПК и добавить дополнительные вычислительные ресурсы с помощью DGX-системы или через облако. Они могут импортировать данные, настраивать конфигурацию задания, выбирать фреймворк. Затем результат можно загрузить в TensorRT для вывода.
- С помощью NGC разработчики могут создавать модели любого размера или типа, используя универсальную платформу, а также увеличивать или уменьшать объём используемых вычислительных ресурсов в зависимости от того, что им нужно.
— .