BT

如何利用碎片时间提升技术认知与能力? 点击获取答案

rss
  • 他的粉丝

    崛起的GPU数据库大揭秘:多数据流实时分析,如何做到快如闪电?

    作者 杨旸 关注 2 他的粉丝 发布于  2017年9月4日

    物联网的迅猛发展,让人们不得不调整数据平台的设计思路和处理方式。2017年Gartner指出,到2020年,210亿只IoT设备对数据中心存储需求增长将不超过3%。 GPU数据库带来了三大方面的进步:加载速度、实时处理和宽表多条件查询。它最大的革新点之一在于,不再需要借助索引来加速访问。

  • 他的粉丝

    如何使用Kubernetes GPU集群自动化深度学习训练

    作者 Frederic Tausch 关注 0 他的粉丝 ,译者 CarolGuo 关注 2 他的粉丝   发布于  2017年7月13日

    该指南能帮助同行研究者和爱好者们轻松地使用Kubernetex GPU集群来自动化和加速他们的深度学习训练。

  • 他的粉丝

    60分钟搞定,基于ResNet和Azure GPU加速的肺癌CT图像识别

    作者 杨旸 关注 2 他的粉丝 发布于  2017年5月25日

    本文介绍了微软的一个比赛队伍参加2017年Kaggle肺癌CT图像检测比赛时,如何借用现成的152层ResNet网络,对接到分布式计算的神经网络上,在60分钟内完成训练的实施细节和代码。对卷积神经网络、LightBGM、ResNet等基本概念也进行了讲解,希望对刚接触AI的朋友有所帮助。

他的粉丝

哪些GPU更适合深度学习和数据库?

作者 杨旸 关注 2 他的粉丝 发布于  2017年5月5日

随着GPU在数据库和深度学习里的应用越来越成熟,越来多的开发者和科研人员开始搭建自己的GPU集群,作为高性能计算或人工智能的平台。 那么GPU的选型上应该考虑哪些问题? 哪种芯片架构更适合? 在开发环境和算法上,哪些的适应性更好? 本文试图结合自己的经验和Tim Dettmers的介绍,为大家提供参考。

他的粉丝

用MXnet实战深度学习之一:安装GPU版mxnet并跑一个MNIST手写数字识别

作者 Phunter 关注 0 他的粉丝 发布于  2015年11月25日

本文是一系列深度学习的简单实战教程的第一篇,用MXnet做实现平台的实例代码,简单讲解深度学习常用的一些技术方向和实战样例。来自Phunter的博客,Phunter的职业是数据科学家,DMLC (http://dmlc.ml/) 工具包贡献者之一。 1

他的粉丝

遇见C++ AMP:GPU的线程模型和内存模型

作者 李永伦 关注 0 他的粉丝 发布于  2013年1月17日

本文讲述了GPU如何组织和执行GPU线程、不同类型的内存有哪些特点和如何使用可编程缓存,并通过具体例子讲解如何利用这些知识进一步提高C++ AMP代码的性能。

登陆InfoQ,与你最关心的话题互动。


找回密码....

Follow

关注你最喜爱的话题和作者

快速浏览网站内你所感兴趣话题的精选内容。

Like

内容自由定制

选择想要阅读的主题和喜爱的作者定制自己的新闻源。

Notifications

获取更新

设置通知机制以获取内容更新对您而言是否重要

BT