Публикации по теме 'gpu'


Инновации ИИ в Африке.
Самые важные машины нашего поколения в настоящее время строятся, и в следующие десять лет или около того новая технологическая парадигма вступит в силу и, как обычно, оставит некоторые позади. Основным препятствием для этой новой технологии являются расходуемые ресурсы (деньги венчурного капитала), необходимые для обучения, которых нам не хватает, поскольку экономика частично финансируется за счет долга и не может экспериментировать. К счастью, на индивидуальном уровне у некоторых из..
3 причины, по которым GPU вам не подошли
Современные графические процессоры — это мощные звери, способные решать задачи, которые раньше не были их сильной стороной. Приравнивание графических процессоров к высокой производительности может показаться чрезмерным упрощением (а также несправедливым по отношению к ПЛИС). Тем не менее, я по-прежнему советую компаниям, занимающимся сложными вычислениями, исследовать, могут ли графические процессоры иметь применение в их рабочем процессе. Часто речь идет о потенциальном ускорении на..
Начало работы с ML без особых зависимостей установки программного обеспечения
Часть II находится здесь Часть III находится здесь Как мы начнем разработку машинного обучения на новом компьютере? Слишком много настроек. Слишком много пакетов. Python 2, python3… Tensorflow с поддержкой GPU, без поддержки GPU. Тензорный поток2, Тензорный поток 1.14.2, Тензорный поток 1.15.2. Некоторое обучение ML будет работать только на tensorflow 1.14. Он может не поддерживать серию 1.15. Как мы будем обрабатывать все эти сценарии без особого беспокойства. Какие..
Установка подсистемы Windows для Linux (WSL) и Tensorflow с поддержкой графического процессора в WSL
Я старший инженер по машинному обучению, который любит работать в Tensorflow. Для самообучения и реализации я использую свой личный ноутбук. Это игровой ноутбук, который я купил в 2020 году, с недорогим графическим процессором (NVIDIA RTX 2060, 6 ГБ графической памяти), i7 в качестве процессора и 16 ГБ оперативной памяти. Он довольно быстрый и поставляется с установленной Windows Home Edition. Я хотел получить представление об Ubuntu (Linux), поскольку при настройке проекта в отрасли..
Как повысить скорость обучения в TensorFlow
TensorFlow — это программная библиотека с открытым исходным кодом для потоков данных и дифференцированного программирования для различных задач. Это символьная математическая библиотека, которая также используется для приложений машинного обучения, таких как нейронные сети. Он был разработан командой Google Brain и используется во многих их проектах. TensorFlow предоставляет высокоуровневый API для создания и обучения моделей машинного обучения и низкоуровневый API для создания..
Введение в графические нейронные сети с cuGraph-DGL
Использование cuGraph-DGL для ускорения GNN с помощью графических процессоров Автор: Вибху Джава Графовые нейронные сети (GNN) стали мощным инструментом для решения множества задач машинного обучения над данными, структурированными на графах. Эти задачи варьируются от классификации узлов и прогнозирования связей до классификации графов. Они также охватывают широкий спектр приложений, таких как анализ социальных сетей, открытие лекарств в здравоохранении, обнаружение..
Графические процессоры Intel Arc и OneAPI — они SYCL?
Запуск oneAPI C++ с кодом SYCL на графических процессорах Intel Arc и Iris Xe oneAPI с C++ и SYCL позволяет запускать один и тот же код ускорителя на различных архитектурах GPU и CPU. Как и было обещано в моем последнем посте о гетерогенных вычислениях, на этот раз мы собираемся использовать новый графический процессор Intel® Arc™ и oneAPI, чтобы посмотреть, как SYCL работает с Intel Arc. Intel Arc, здесь GPU Графический процессор Intel Arc, который мы будем использовать,..