DGX针对Caffe，TensorFlow等深度学习框架都有优化的模型，NVIDIA公司目前员工全球有一万两千多人，但是有三分之二是开发人员，并且软件开发人员已经超过了硬件开发人员，这些软件开发人员有一部分来自谷歌、微软或者Facebook，他们一起来做TensorFlow，Caffe等相关的优化工作，因为没有一家公司比我们更了解如何充分挖掘GPU，所以买DGX得到的深度学习框架一定是全世界最优的和最适合用GPU进行深度学习的。蓝海大脑液冷服务器可采用英伟达NVIDIA DGX系列显卡，广泛应用于生命科
阅读全文 → 2022-09-26
主要有两个困难，一个是数据上的困难，工业检测领域一般需要进行缺陷的检测，缺陷数据实际上是我们需要的数据，但是工业系统中因为良品率比较高，所以缺陷数据的样本数量比较少，这对深度学习是一个比较大的挑战。在实际过程中，我们主要解决的方法是通过小样本学习的方案来提升整体的性能。 另外一个是工业检测领域本身对于延迟比较敏感，如果方案设计的很复杂，不能够满足系统实时的情况。在这种情况下，我们需要对于模型进一步压缩，同时对于方案进行简化，但是还要保持比较高的精确度。
阅读全文 → 2022-09-26
这是一个就是GPU集群管理调度的一个问题，现在主流的GPU系统在国内可以分成2部分，一类是交通系统，一类是基于容器的一个比如K8S的调度编排的一个调度系统。K8S里面是支持了GPU设备的自发现，然后你只是去提交GPU的一个请求的个数以及GPU资源的类型，然后它会自动去帮你去做调度。另外的话是以HPC为传统的那种，比如说PPS或SLAM调度，SLAM里面也有支持GPU设备的一个自我调度，然后把GPU设备作为一个计算对象可以去请求。当然由于GPU系统的拓扑结构是一样的，不同的
阅读全文 → 2022-09-26
在某些特殊的情况下，是可以达到工业界应用水准的，这些特殊的情况下包括两个domain相对容易转换，data的取得也多；转换可以容许瑕疵，就是转换可能不是最终的结果，后面可能有人为在做修改，转换只是产生training data再转换到下一个网路里面去。这些什么方法其实都大同小异，基本上是basic again，有时候会加入一些图学的东西。
阅读全文 → 2022-09-26
做深度学习数据处理包含提高清晰度的算法，但主要还是做分割。这也是一个可以做的部分，只是对于施工证的图像，不太会通过AI来进行高分辨率的工作，除非能够用机器去采集数据，采集到施工证信号的时，这样来提高分辨率是比较有效果的。而对于图像本身提高分辨率，目前是比较少人在做，那当然也希望能够把这些比较常规的影像切的比较粗，把边看起来比较薄的一块，实际上就会有一个真伪性的一个问题。但是从如果能够进行到磁共振影像本身的话，就可以往这个方面着手，提高信噪比是有可能的。同样的也是希望能够在原始型号上面做，而不是在图像上面做
阅读全文 → 2022-09-26
就我目前的了解他家核心产品主要有液冷GPU服务器、液冷GPU工作站、大数据一体机、图数据一体机等，这些产品为基因大时代、高性能计算、大数据、人工智能、数据分析、数据挖掘等领域保驾护航，并且在业界内口碑不错，获得广大用户的一直好评。
阅读全文 → 2022-09-23
网络研讨会
了解更多
注册以接收 蓝海大脑 活动/网络研讨会邀请
地址：北京市海淀区东北旺南路29号蓝海中心
联系电话：010－82770520
联系邮箱：marketing@lanhy.cn
蓝海大脑 京ICP备18017748号-1