Tesla

  • CUDA И ВЫЧИСЛЕНИЯ НА GPU
  • ПРИЛОЖЕНИЯ ДЛЯ ВЫЧИСЛЕНИЙ НА GPU
  • GPU ДЛЯ СЕРВЕРОВ И РАБОЧИХ СТАНЦИЙ
Приложения для вычислений на GPU
Divider

Машинное обучение

Специалисты по обработке и анализу данных как в промышленности, так и в научных кругах используют GPU в сфере машинного обучения, чтобы добиться значительных усовершенствований в широком спектре приложений, включая приложения для классификации изображений, анализа видеоданных, распознавания речи и обработки текстов на естественном языке. Глубокое обучение, то есть использование сложных, многоуровневых нейронных сетей для создания систем, которые могут выявлять признаки из большого объема немаркированных данных, - именно та область, в которой ведутся активные исследования и инвестиционная деятельность.

Хотя машинное обучение существует уже десятки лет, две относительно новые тенденции привели к его широкомасштабному использованию: доступность большого объема данных, а также производительность и эффективность параллельной обработки данных, которая возможна благодаря вычислениям на GPU. GPU используются для обучения этих глубоких нейронных сетей с помощью намного более крупных обучающих последовательностей в более сжатые сроки, с использованием меньшей инфраструктуры ЦОД. GPU также используются, чтобы воспроизводить эти учебные модели машинного обучения для выполнения задач классификации и прогнозирования на облаке. При этом графические процессоры позволяют работать с данными большего объема и с более высокой производительностью, потребляя меньше энергии и на базе меньшей инфраструктуры.

К числу тех, кто впервые применил графические ускорители для решения задач машинного обучения, относятся многие крупные веб-компании и социальные сетевые серверы, наряду с научно-исследовательскими институтами высокого ранга в области обработки и анализа данных и машинного обучения. Благодаря тысячам вычислительных ядер и увеличению производительности приложений в 10-100 раз по сравнению с CPU, GPU стали процессорами, которые выбирают специалисты по обработке данных для работы с данными большого объема.

 

Тесты производительности для приложений в области машинного обучения

SGEMM Performance

Благодаря GPU, предварительно записанную речь или мультимедийный контент можно воспроизводить намного быстрее. В сравнении с работой на CPU мы можем выполнять распознавание до 33-х раз быстрее.

 

- Профессор Иэн Лейн (Ian Lane), Университет Карнеги-Меллон

 

Узнайте, как другие специалисты по обработке данных ускоряют свою работу в области машинного обучения, и получите информацию об инструментах, программных каркасах и конфигурациях вычислительных систем, которые помогут вам начать работу в этой области.

 
 
Инструменты машинного обучения
  • 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
 
 
 
Технические доклады по машинному обучению
 
Технические статьи по машинному обучению
 
Компании и исследовательские институты, использующие GPU для решения задач машинного обучения
Adobe Baidu Facebook Flickr
IBM Microsoft Netflix Nuance
Yandex      
 
Рекомендованные конфигурации системы
Рабочая станция для разработки Обучающий кластер

2 графических ускорителя NVIDIA Tesla K40

2 процессора Intel Xeon (8 ядер или больше)

64 ГБ системной памяти

8 графических ускорителей NVIDIA Tesla K40

2 процессора Intel Xeon (8 ядер или больше)

256 ГБ системной памяти

 

Опции конфигурации

Опции конфигурации

 

Чтобы найти информацию, как приобрести графические ускорители, зайдите на страницу Где купить Tesla.

 
 
 
 
 
 
CUDA и вычисления на GPU

Что такое вычисления на GPU?
Факты о вычислениях на GPU
Программирование GPU
Архитектура Kepler GPU
Облачные вычисления на GPU

Что такое CUDA?
CUDA в действии
CUDA Альманах
CUDA и OpenACC:
Бесплатный Онлайн курс

Обучение CUDA
Центры повышения
квалификации CUDA

Исследовательские центры CUDA
Центры обучения CUDA

Приложения для
вычислений на GPU

Приложения для вычислений
на Tesla GPU

Примеры применения Tesla
Директивы OpenACC
Тест-драйв Tesla GPU

Tesla GPU для серверов
и рабочих станций

Почему Tesla
Решения Tesla для серверов
Решения Tesla для рабочих станций
Встраиваемая платформа разработок
Купить Tesla GPU

Новости и
информация о Tesla

Истории успеха Tesla
Литература о продукте
Средства программного
обеспечения Tesla

Программные средства
разработки Tesla

Вебинары на русском языке
NVIDIA Research
Уведомления о новостях Tesla

Мы в социальных сетях

VKontakte VKontakte

YouTube YouTube

Twitter Twitter

Instagram Instagram

NVIDIA Blog Блог NVIDIA