Tesla

  • CUDA ET CALCUL PAR LE GPU
  • APPLICATIONS GPU
  • GPU POUR SERVEURS ET STATIONS DE TRAVAIL
Applications GPU
Divider

Apprentissage automatique

Les chercheurs des domaines industriels et universitaires exploitent l'accélération GPU pour optimiser leurs procédures d’apprentissage et faire des découvertes révolutionnaires dans une grande variété de champs d’application incluant la classification des images, l’analyse vidéo, la reconnaissance vocale et le traitement automatique des langues. Depuis plusieurs années, l’apprentissage automatique - qui consiste à utiliser des réseaux de neurones sophistiqués à plusieurs niveaux pour la détection de zones d’intérêt dans d’immenses volumes de données - est un champ d’étude qui a particulièrement profité des avantages de l’accélération GPU.

Bien que les techniques d’apprentissage automatique aient déjà été utilisées depuis plusieurs décennies, deux tendances récentes ont contribué à populariser leur adoption : la disponibilité progressive de gros volumes de données à étudier, et l’incroyable puissance de traitement parallèle offerte par le calcul par le GPU. Les GPU sont aujourd’hui massivement utilisés pour « apprendre » aux réseaux de neurones artificiels à analyser des volumes de données toujours plus importants en un laps de temps toujours plus faible, sans compter qu’ils mobilisent des infrastructures matérielles moins importantes que les configurations traditionnelles. Les GPU sont également utilisés pour exécuter des modèles complexes d’apprentissage automatique dans des domaines comme la classification et la prédiction de données dans le Cloud, car ils permettent de traiter rapidement de gros volumes d'informations avec une infrastructure matérielle et un coût énergétique plus faibles.

Qu’il s’agisse des sociétés majeures du web 2.0 ou de groupes de recherche reconnus, tous les leaders de l’apprentissage automatique et de la science des données ont rapidement fait confiance à la puissance du calcul par le GPU. Avec leurs milliers de cœurs de calcul et l’accélération significative (de 10 à 100 fois) qu’ils offrent par rapport aux CPU, les GPU sont vite devenus le processeur préférentiel pour les techniques de Big Data.

 

Benchmarks pour applications d'apprentissage automatique

SGEMM Performance

Grâce aux GPU, les messages vocaux préenregistrés et les contenus multimédia peuvent êtes traités plus rapidement. Nous exécutons aujourd’hui nos algorithmes de reconnaissance jusqu’à 33 fois plus vite qu’avec une simple configuration CPU.

 

- Professeur Ian Lane, Université Carnegie-Mellon

 

Découvrez ci-dessous comment d’autres chercheurs ont fait progresser leurs recherches en matière d’apprentissage automatique. Obtenez également plus d’informations sur les outils, les frameworks logiciels et les configurations matérielles qui vous aideront à démarrer dans le domaine du calcul par le GPU.

 
 
Outils d'apprentissage automatique
  • 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
 
 
 
Présentations techniques sur l'apprentissage automatique
 
Dossiers techniques sur l'apprentissage automatique
 
Sociétés et centres de recherche utilisant les GPU pour l'apprentissage automatique
Adobe Baidu Facebook Flickr
IBM Microsoft Netflix Nuance
Yandex      
 
Configurations système recommandées
Station de travail pour le développement Cluster pour l'apprentissage

2 GPU NVIDIA Tesla K40

2 CPU Intel Xeon (8 cœurs ou plus)

64 Go de mémoire système

8 GPU NVIDIA Tesla K40

2 CPU Intel Xeon (8 cœurs ou plus)

256 Go de mémoire système

 

Options de configuration

Konfigurationsoptionen

 

Pour plus d'informations sur l'achat d'un accélérateur GPU, rendez-vous sur la page Où acheter.

 
 
 
 
 
 
CUDA et Calcul par le GPU

Le calcul par le GPU, c'est quoi ?
Principes du calcul par le GPU
Programmation GPU
Architecture Kepler
Cloud Computing
Contactez-nous

Présentation de CUDA
Showcase CUDA
Formation CUDA
CUDA Courses Calendar
Centres de recherche CUDA
Centres d’enseignement CUDA

Applications GPU

Applications GPU Tesla
Études de cas Tesla
Directives OpenACC
Offre d’essai GPU Tesla

GPU Tesla pour serveurs
et stations de travail

Pourquoi choisir Tesla ?
Solutions Tesla pour serveurs
Solutions Tesla pour
stations de travail

Plateforme de développement intégrée
Acheter GPU Tesla

Infos et actualités Tesla

Documentation Tesla
Fonctions logicielles Tesla
Outils de développement de logiciels
NVIDIA Research
Alertes Tesla

NVIDIA en ligne

NVIDIA Blog Blog NVIDIA

Facebook Facebook

Twitter Twitter

Twitch Twitch

YouTube YouTube