Публикации по теме 'nvidia'


Глубокое обучение в NIH от доктора Рональда Саммерса и NVIDIA
Видеообзор работы доктора Рона Саммерса из Национального института здоровья по применению нейронных сетей для радиографической диагностики. Отличная работа, доктор Саммерс!
Установка Ubuntu 18.04.01 LTS на Mac Book Pro конца 2013 г.
TENSORFLOW и APPLE заставили меня это сделать Я всегда стремился к разработке Linux. Попробовав разработку в среде macOS, я обнаружил, что мне нужно вернуться к моей предпочтительной ОС. Особенно, когда мои проекты касаются машинного обучения и анализа изображений. В этой версии MacBook Pro (MBP) есть чип Nvidia GEFORCE GT 750M , который я хотел бы использовать для его ядер CUDA. Я могу установить драйверы CUDA для macOS Nvidia, но, еще одна неудача, связанная с активной областью..
Используйте эту команду для более эффективного использования видеокарты NVIDIA.
Уважаемые исследователи/пользователи NVIDIA-Graphics Card, В этом посте я поделюсь командой, которая позволит вам более эффективно использовать видеокарту NVIDIA. Много раз мы сталкивались с получением информации, например, о том, кто использует графическую карту NVIDIA, сколько памяти используется для видеокарты и кому сказать: «Пожалуйста, уберите свою работу, у меня есть кое-что важное!!!» На создание следующей команды у меня ушло около 1,5 часов, поскольку в Интернете не было..
Как графические процессоры NVIDIA оптимизируются для машинного обучения и вычислений на основе нейронных сетей и что…
В сфере искусственного интеллекта, особенно машинного обучения и нейронных сетей, за последние несколько лет наблюдался беспрецедентный рост. В основе этой эволюции лежит синергия между алгоритмами и оборудованием, которое их поддерживает. NVIDIA, имя, синоним графических процессоров (GPU), стало ключевым игроком на этой арене. Путь компании в анналы оптимизации машинного обучения одновременно увлекателен и полон проблем. Графические процессоры NVIDIA изначально нашли свою нишу в..
Как оптимизировать GPU для повышения производительности и эффективности
Извлечение максимальной производительности из параллельных архитектур Введение Графические процессоры (GPU) обеспечивают огромную вычислительную мощность благодаря массивно-параллельной архитектуре. Но сопоставление приложений для эффективного использования всех этих FLOPS нетривиально. В этом подробном практическом руководстве мы подробно рассмотрим проверенные методы оптимизации кода для обеспечения высокой производительности на графических процессорах на основе извлеченных уроков..
Установка для глубокого обучения - Часть первая
Сегодня я решил потратить кучу денег на установку глубокого обучения. Что такое установка для глубокого обучения? Установка для глубокого обучения - это компьютер, который использует видеокарты для распараллеливания математических операций, обычно используемых в глубоком обучении. Чтобы быть более конкретным, я дам свое личное мнение о том, как выглядит такой компьютер: Компьютер, на котором работает программное обеспечение Linux (потому что Tensorflow и Windows несовместимы), в..
Разреженная категориальная кросс-энтропия против категориальной кросс-энтропии
У многих из вас возникает следующий вопрос: «В каких ситуациях мне следует использовать определенную функцию потерь, например категориальную, разреженную, двоичную и т. д.?» Итак, возьмем этот пример функций потерь и их случаев: Регрессия, числовое значение Нечего сказать. Это самый простой случай, и нам не нужно объяснять, как он работает. Просто знайте, что функция активации является линейной, а функция потерь может быть MSE (Mean Square Error). Подробнее о регрессии см. здесь..