热门标签 | HotTags
当前位置:  开发笔记 > 前端 > 正文

英伟达显示容器服务器,英伟达GPU云服务新增9种超算容器,深度学习还要硬件干嘛?...

原标题:英伟达GPU云服务新增9种超算容器,深度学习还要硬件干嘛?Nvidia看准容器服务对研究人员带来的方便性,持续新增超

原标题:英伟达GPU云服务新增9种超算容器,深度学习还要硬件干嘛?

Nvidia看准容器服务对研究人员带来的方便性,持续新增超级计算容器服务,其中PGI编译器容器还能帮使用者开发多核CPU以及Nvidia Tesla GPU的高性能计算程序。

1aaa758f6cef3b9c03afbc489e7f51d6.png

Nvidia在自家GPU云服务(NGC)新增了9种容器服务,包括CHROMA、CANDLE、PGI等,使用者现在可以使用总共35种的高性能计算容器服务,比Nvidia刚推出该服务时的数量多了2倍。

自前年超算大会Nvidia发布包含NAMD、GROMACS和ParaView等8种容器服务后,在去年11月超算大会后到现在,NGC又新增了9个新的高性能计算容器,较新的服务包括CHROMA、CANDLE、PGI和VMD等容器。Nvidia特别提到,在NGC上提供的PGI编译器容器可以帮助开发者,建立应用在多核CPU以及Nvidia Tesla GPU的高性能计算应用程序。PGI编译器和工具支持使用OpenACC、OpenMP和CUDA Fortran,以开发可移植性能的高性能计算应用程序。

Nvidia提到,在过去三年,容器已经成为在共享集群中,部署应用程序还有加速工作流的关键工具,而且对于那些进行高人工智能计算负载的研究人员和数据科学家来说更为重要。由于安装框架过程复杂而且耗费时日,而NGC容器服务可以简化这项工作,使部署深度学习框架,建构设计、训练与验证深度神经网络更加容易且快速。

这些没有基础架构专业的数据科学家,现在可以不需要系统管理员的帮助,使用NGC的容器服务,在几分钟内就能完成选择容器服务并且部署应用程序的工作,而系统管理员也可以专注于其他关键工作,不需要管理维护应用程序。除了节省人力外,容器还具备可移植性以及可复用性,研究人员除了可以在任何系统上,不安装应用程序下模拟出相同的实验结果外,科学论文讲求验证,因此研究可以方便复用,对于研究人员来说也非常重要。

应用程序在NGC的容器服务中计算能够获取GPU加速,而且使用者还可以存取最新的的高性能计算应用程序以及深度学习框架。这些容器服务可以在不同的平台上使用,包括GPU工作站、Nvidia DGX系统,而在其他支持Nvidia GPU的云平台,如AWS、GCP以及Oracle云服务也都能提供使用者顺畅的计算体验。返回搜狐,查看更多

责任编辑:



推荐阅读
  • 尽管深度学习带来了广泛的应用前景,其训练通常需要强大的计算资源。然而,并非所有开发者都能负担得起高性能服务器或专用硬件。本文探讨了如何在有限的硬件条件下(如ARM CPU)高效运行深度神经网络,特别是通过选择合适的工具和框架来加速模型推理。 ... [详细]
  • 2018年3月31日,CSDN、火星财经联合中关村区块链产业联盟等机构举办的2018区块链技术及应用峰会(BTA)核心分会场圆满举行。多位业内顶尖专家深入探讨了区块链的核心技术原理及其在实际业务中的应用。 ... [详细]
  • 2017年人工智能领域的十大里程碑事件回顾
    随着2018年的临近,我们一同回顾过去一年中人工智能领域的重要进展。这一年,无论是政策层面的支持,还是技术上的突破,都显示了人工智能发展的迅猛势头。以下是精选的2017年人工智能领域最具影响力的事件。 ... [详细]
  • 浪潮AI服务器NF5488A5在MLPerf基准测试中刷新多项纪录
    近日,国际权威AI基准测试平台MLPerf发布了最新的推理测试结果,浪潮AI服务器NF5488A5在此次测试中创造了18项性能纪录,显著提升了数据中心AI推理性能。 ... [详细]
  • 资源推荐 | TensorFlow官方中文教程助力英语非母语者学习
    来源:机器之心。本文详细介绍了TensorFlow官方提供的中文版教程和指南,帮助开发者更好地理解和应用这一强大的开源机器学习平台。 ... [详细]
  • 本文深入探讨了C++对象模型中的一些细节问题,特别是虚拟继承和析构函数的处理。通过具体代码示例和详细分析,揭示了书中某些观点的不足之处,并提供了更合理的解释。 ... [详细]
  • 卷积神经网络(CNN)基础理论与架构解析
    本文介绍了卷积神经网络(CNN)的基本概念、常见结构及其各层的功能。重点讨论了LeNet-5、AlexNet、ZFNet、VGGNet和ResNet等经典模型,并详细解释了输入层、卷积层、激活层、池化层和全连接层的工作原理及优化方法。 ... [详细]
  • 探索电路与系统的起源与发展
    本文回顾了电路与系统的发展历程,从电的早期发现到现代电子器件的应用。文章不仅涵盖了基础理论和关键发明,还探讨了这一学科对计算机、人工智能及物联网等领域的深远影响。 ... [详细]
  • FinOps 与 Serverless 的结合:破解云成本难题
    本文探讨了如何通过 FinOps 实践优化 Serverless 应用的成本管理,提出了首个 Serverless 函数总成本估计模型,并分享了多种有效的成本优化策略。 ... [详细]
  • 机器学习核心概念与技术
    本文系统梳理了机器学习的关键知识点,涵盖模型评估、正则化、线性模型、支持向量机、决策树及集成学习等内容,并深入探讨了各算法的原理和应用场景。 ... [详细]
  • vivo Y5s配备了联发科Helio P65八核处理器,这款处理器采用12纳米工艺制造,具备两颗高性能Cortex-A75核心和六颗高效能Cortex-A55核心。此外,它还集成了先进的图像处理单元和语音唤醒功能,为用户提供卓越的性能体验。 ... [详细]
  • 本文探讨了亚马逊Go如何通过技术创新推动零售业的发展,以及面临的市场和隐私挑战。同时,介绍了亚马逊最新的‘刷手支付’技术及其潜在影响。 ... [详细]
  • 非公版RTX 3080显卡的革新与亮点
    本文深入探讨了图形显卡的进化历程,重点介绍了非公版RTX 3080显卡的技术特点和创新设计。 ... [详细]
  • Valve 发布 Steam Deck 的新版 Windows 驱动程序
    Valve 最新发布了针对 Steam Deck 掌机的 Windows 驱动程序,旨在提升其在 Windows 环境下的兼容性、安全性和性能表现。 ... [详细]
  • 多智能体深度强化学习中的分布式奖励估计
    本文探讨了在多智能体系统中应用分布式奖励估计技术,以解决由于环境和代理互动引起的奖励不确定性问题。通过设计多动作分支奖励估计和策略加权奖励聚合方法,本研究旨在提高多智能体强化学习(MARL)的有效性和稳定性。 ... [详细]
author-avatar
手机用户2402851335
这个家伙很懒,什么也没留下!
PHP1.CN | 中国最专业的PHP中文社区 | DevBox开发工具箱 | json解析格式化 |PHP资讯 | PHP教程 | 数据库技术 | 服务器技术 | 前端开发技术 | PHP框架 | 开发工具 | 在线工具
Copyright © 1998 - 2020 PHP1.CN. All Rights Reserved | 京公网安备 11010802041100号 | 京ICP备19059560号-4 | PHP1.CN 第一PHP社区 版权所有