医学图像分割相对传统图像分割有哪些难点？目前表现突出的用于医疗图像分割的网络模型有哪些？

医学图像主要是人体各种疾病的诊断，所以上下文的信息是非常重要的。即使医生在看医学图像的时候，也需要知道他在看哪个器官的哪类疾病，然后来帮助诊断出病灶；另外一个比较重要的是高分辨率的图像信息，通常来说病灶都是非常微小的，如果做了任何down-scaling 这种事情的话，信息就会丢掉很多，就变得很难找到，所以现在表现比较突出的医疗分割网络，比如U-net结构，它可以比较有效地集成不同尺度的信息。

阅读全文 → 2022-10-25

如何快速进行液冷服务器并行架构环境搭建？

蓝海大脑作为液冷服务器、液冷工作站专家认为，液冷服务器并行架构环境搭建主要从以下几个环节：
1，最快就是做数据并行，对数据分片，系统直接做多个副本；
2，选取易用的DL框架，像mxnet-gluon / pytorch；
3，先写个串行系统，测算各模块存储、带宽、资源利用率等，再根据服务器硬件平台结构设计并行方案。关于教程可以参照各DL框架的并行API，主要部分还是要针对专用任务设计。

阅读全文 → 2022-10-25

在什么情况下需要用到高性能GPU并行计算，什么样的任务或者说什么量级的数据会需要用集群？

有很多场景都会用到大规模GPU并行集群，如百度的语音识别系统，网络模型有3亿个参数，需要20 亿亿次EFLOPS 计算量；谷歌的自然语言翻译系统，有87亿个参数，需要100亿亿次计算量。这些神经网络模型做训练，都需要深度学习GPU集群。

多高性能GPU并行，主要针对算力要求非常高的场景，比如训练大规模数据集，像刷ImageNet，COCO等。或是处理大量的监控视频等。对于高校科研，在小数据集上调算法，几块卡就够了，除非是做网格式调参可能需要一个集群。

阅读全文 → 2022-10-25

对一个大型应用程序，在深度学习GPU上并行加速的时候，一般的步骤都有哪些？

对一个大型应用程序在深度学习GPU上并行加速的时候，不要直接就往上移植，最好是先好好分析一下这个程序，先把问题、结构和流程搞清楚。然后再把GPU移植所要采取的手段和方法也想清楚，之后再动手。我们一般说性能优化，包括三个方面：应用、算法和硬件体系结构。那么移植也差不多，先把应用搞明白，再去移植，然后再考虑如何用算法来实现，最后再结合高性能GPU和硬件来做这件事情。

阅读全文 → 2022-10-25

空间天气预报在液冷服务器GPU的加速给地面天气预报以什么样的借鉴，特别是天气模式的GPU加速方面能提高多少？

实际上空间天气预报和地面天气预报算法是类似的，也是适合GPU加速计算的，但是天气预报的程序主要是基于Fortran开发的，一般比较大，也比较老，移植起来难度比较大，最近nvidia正在协助国家气象局，使用CUDA/OpenACC方法进行这方面的移植。不同的气象模式加速效果不同，以WRF为例，可以达到3倍左右的加速。

阅读全文 → 2022-10-25

GPU并行计算环境，2、4、8、16块V100的GPU卡并行性能是否几何倍数提升，是否有性能对比数据？

GPU并行计算的扩展性和软件、算例都有很强的关系，对于DeepLearning应用，是很明显的近似线性加速效果的，扩展性非常好；对于amber，relion，加速效果也是非常好的，接近线性的加速，当然也和算例大小规模有关。

阅读全文 → 2022-10-24

首页上一页 140 141 142 143 144 145 146 147 148 149 下一页尾页