NVIDIA Cloud Artifact拯救开发者的噩梦!20,000家公司

2019-01-31 14:44 来源:互联网
AI算法的开发创造了各种深度学习软件。复杂的软件环境中安装,测试,调整和维修的步骤,以及那些繁琐的耗费和时间的快速换版深度学习的开源框架,从维护和扩展工作,无数的数量巨大的痛苦琐碎的开发者琐碎
在这方面,NVIDIA拥有NVIDIA GPUCloud(NGC),并提出了深刻的学习和科学计算优化的GPU加速云平台。柯达公司,以提供已为NVIDIA和HPC应用软件的图像进行优化免费,省去了深刻的学习框架,为用户进行自己。深入学习,不需要自我净化。
当您使用NGC,开发者可以不再局限于台式机或服务器,而不必担心更新版本,您可以快速打开深度学习和高性能计算的旅程在云中。
目前,阿里巴巴云计算,谷歌云,AWS,传统的云服务供应商,如微软Azure已经认识到NGC。
在这个智能的内部参考号,解释有关NVIDIA GPUCloud的高速医学成像设备的学习模式发展的技术文件,NVIDIA GPUCloud必须学会如何从人工智能医疗开发商实现和优化的过程中释放。执行低效和复杂的软件开发
如果你想引用“实施的发展,加速图像处理装置NVIDIA GPUCloud的学习模式的应用”这一技术文件,您可以点击下载的左下角,“看过原著”直接。
配置服务器的过程很麻烦,开发人员正在遭受它的困扰。
人工智能(AI)正迅速渗透到医学领域,它为精密医疗医学界之前提振了热情比以往任何时候。
A组的公司也开始倾注巨大的热情,以AI医学图像的开发和应用,Yipan医药集团也是最好的公司之一。
为了促进AI的医疗,翼展却创造了人工智能开放的合作平台,建立一个服务器的方式有点复杂。
最初,可提供GPU实例公共云提供商仍然很小,因为性能,翼展的成本相对较低,但选择了建立一个服务器购买硬件的开发商的主要问题大多是一个。一个接一个。
第一个问题是兼容不同版本的驱动程序。
在设置配备了双TitanX卡,翼展在线教程,Ubuntu的,NVIDIA图形控制器,CUDA,工作站,开始一步一步的安装按照cuDNN,我们发现,该库已经不是重点了正确的版本是的。编译咖啡馆。
我们需要重新启动整个安装过程,我花了一周时间开始模型培训。
其次,这是运行和维护中机器时间分配的问题。
翼展是,为了在八级主卡的服务器配置,而是选择了控制器分配是操作系统和基础给外部提供商,在团队成员和项目的增加,新来的运行和维护它带来了挑战。基本版的模型也是矛盾的。
当时,为了解决这一问题,翅膀确立了将用户空间的法规和严格的规定,但我们选择了公共云GPU实例,还有很长的时间来安装和配置公共云环境花了。
最后,对框架和库的版本进行了更新。
学习框架的机器版本是反复高速,因为不同的模型是基于不同的框架和库版本,手册的管理方法已经变得越来越困难。
NVIDIA GPUCloud(NGC)的问世解决了这些问题。
今天,有很多案例,例如NGC用于进行全面彻底学习的规模。除了医疗,NGC自主运作,医疗保健和金融服务的健康,也扩大了深度学习和高性能计算领域。
可立即使用的NGC容器,最小化加速模型的逐步开发
去年在GTC,这是在台北,NVIDIA创始人兼CEO黄仁勋举办是,此刻,他说20,000家已经下载了NGC。
NVIDIA GPUCloud(NGC)是否受到开发人员的欢迎?
您如何简化部署过程?
NGC是GPU加速云计算平台已经为深度学习和科学计算而优化,但与传统的云平台,NGC是提供了最新优化的集装箱仓库,供用户下载这是件事。并免费使用容器。
容器由软件依赖库打包和打包。其结果是,有效地分离的软件环境,可以方便用户快速实施必要的软件。
▲NVIDIA GPUCloud平台
目前,NGC,常规的深学习框架由NVIDIA优化,第三方高性能计算(HPC)的应用程序,并立即,例如HPC可视化工具向用户提供所述容器的45图像包括在内。NVIDIA是,库,控制器每月NGC,并优化该容器,提供了一组根据详细学习框架的高性能计算可视化应用程序的容器。由于其可重复性和便携性,它使用户更容易在最短的时间内启动。
使用NGC的过程非常简单。官方网站注册的用户,如果您生成一个密钥登录访问NGC,你可以下载深度学习框架,一个开源应用软件HPC和可视化软件的一般容器图像。在NGC平台上,您可以通过运行dockerpull命令自由下载它。
如果用户不希望使用的容器,你也可以复制到运行该安装编译到容器中的软件的物理机。这也节省了安装和编译软件的时间。
▲NVIDIA GPUCloud支持的基础设施类型
即由NGC,NVIDIA DGX,NVIDIATITAN,QuadroGV100系统,HPC集群,亚马逊AWS,阿里巴巴云计算,谷歌云,支持包括微软Azure目前的基础设施,是云服务供应商,如Oracle云的一部分。
NGC也就是便携,您可以发送代码从基础设施迁移一些开发商的另一个基础设施到后端的环境。
使用NGC的容器图像的提供,用户无需在施工环境执行复杂的任务,没有必要自己进行集成和软件调试,安装多个软件依靠系统管理员没有必要这样做。工具,您可以快速实现所需的应用程序和深度学习。发展
此外,除非隔离防火墙,否则您可以访问连接到公共网络的NGC位置。用户不必担心受限制的问题。
NGC的发展有两个优点。
NGC为开发人员节省了数周时间来部署软件和硬件,使他们能够在几分钟内开始深入学习。
为了更好地支撑收到开发商,NGC平台的两个亮点,是有连续添加和容器产品目录的定制容器的功能。
1,更多容器领域
自2017年推出以来,NGC容器迅速扩大。如今,NGC 21,14 HPC容器的深学习框架,有一个6可视化容器中,基础设施4。
还包括一个DIGIST容器,以便初学者可以理解深度学习的整个过程。
该NGC容器注册表,NVCaffe,数字,TensorFlow,MXNet,如CUDA,包含最常见的帧NVIDIA GPU加速超过10的工作的版本。NVIDIA协调,测试和验证了这些框架所需的依赖关系。
除了深厚的学习框架,NGC,所有的库,编译器和维护应用程序依赖于日期,以保证比赛的集群,一组高性能计算应用(HPC)集装箱它提供了。运行HPC应用程序。此外,NGC是对科学和工程使用情况至关重要,并提供可视化HPC容器,以方便进入可视化工具。
HPC显示容器,具有NVIDIAIndex立体渲染NVIDIAIndex的Paraview,NVIDIA INDEX大渲染器是NVIDIAOptix和NVIDIAHolodeck光线追踪工具,以及用于显示的图像的实时交互式显示和高品质的远程显示延迟少NVEnc它是包括在内。
2,自定义容器功能
在NGC容器,用户自定义的变化,改进和框架的源代码,它支持完整的软件开发也包括用户发布自己的AI应用程序作为NVIDIA-泊坞窗图像的每个图像你也可以。共享应用程序实现和工程团队的其他项目的集成和运行的持续过程。
对于技术水平较高的开发人员,您可以尝试创建自己的设置。
NGC的功能,越来越多的开发扩展到快速使用与帮助NGC的帮助下,高性能版本,可以实现个性化的深度学习或高性能计算。
NGC,相比于直接在物理机上运行的软件,开发人员节省了安装,编译和执行软件,依赖性强,管理,并避免了软件调试并发症它有帮助。要通过扩展AI工作量更有效地建立了深刻的学习环境,降低成本,以最大限度地提高生产力的NVIDIA GPU所需要的胜利。
在AI中,开发正在进行中,节省时间和提高计算效率非常重要。在这个意义上说,NGC是在刀刃上,以简化软件集成和部署环境的开发人员和公司的多步骤,多所创作的研究成果越来越多,他们更深层次的学习研究你可以花时间。