线 年 GPU 技术大会上,NVIDIA 首席执行官 Jensen Huang 发表了主题。他宣布了 RAPIDS,这是一个开源的 CUDA 加速工具包,可以帮助数据科学家更快地处理数据。他们宣布了在医学影像方面开展的合作。他们还宣布了一个自动驾驶汽车模拟器,汽车制造商可以使用它来验证自动驾驶汽车。
NVIDIA 宣布推出 RAPIDS:这是一款开源软件,将 GPU 技术融入到数据科学管道中。它基于许多数据科学家正在使用的经典机器学习管道构建:使用 Numpy、panda 和 scikit-learn 编写的 Python 程序。RAPIDS 可以使用多个 Cuda Core 读取数据,并在多个 Cuda Core 上运行学习和推理。2.4 版的 Spark 会加入 RAPIDS,包括流 GPU 支持、cuML、cuGraph 和批 cuDF。为了确保他们的数据科学平台可以为企业所用,NVIDIA 与 Oracle、IBM 和沃尔玛等几家大公司开展了合作。要了解更多信息,可以查看NVIDIA 的博客。
Jensen Huang 宣布了 NVIDIA AGX,这是一款用于自动化机器的计算机。它是一块带有 Xavier 处理器的,具有 109GB/s 的高速 IO。自动化机器(汽车或机器人)的计算机不同于其他应用,现实世界中的平台需要实时运行,并且必须可靠。
随着慕尼黑成为多家大型汽车制造商的大本营,NVIDIA 在 GTC 欧洲大会上宣布了 NVIDIA 在成为自动驾驶汽车硬件生产商方面取得的进展。去年,他们已经宣布了将于 2019 年发布 Pegasus 平台。此外,计算硬件方面,他们还谈到了 SDK Drive Works,其中包含了很多可以用于自动驾驶的算法。Drive IX 现在已经可用,Drive AGX Xavier 开发工具包现在也已可用。沃尔沃宣布,他们将使用 Drive AGX 平台来测试他们的消费类汽车,这些汽车将具有二级自动驾驶功能。2 级意味着汽车将具有自适应巡航控制和车道保持等高级功能,但司机将参与汽车性能的。
NVIDIA 还发布了一款自动驾驶汽车模拟器Drive Constellation。它由两台计算机组成,其中一台计算机渲染另一台计算机用来决定采取何种行动的。这个模拟器可以用来验证自动驾驶汽车的功能,甚至可以用来创建一个虚拟的自动驾驶汽车许可证,计算机通过后才能在公共道上驾驶。要了解更多信息,请查阅NVIDIA 的博客。
Jensen Huang 还展示了 Tesla T4,它是在之前 9 月 18 日的 GTC 大会上发布的。它是一种多精度 TensorCore 加速器,可以在 float32、int8 和 int4 中运行推理。它每秒能做 5.5 万亿次运算。Jensen 还谈到了 DGX2,他们于 2018 年 3 月宣布了这一计划。该平台由连接在一块板上的 16 块 Tesla V100 32GB GPU 组成。它们由 12 个 NVSwitches 连接。它有 1.5TB 的系统内存,每秒可以进行高达 2 千万亿次处理。它还有 32TB 的 SSD 用于数据存储。由于大多数公司都在云中使用多服务器,NVIDIA宣布了 KubeFlow。通过运行 TensorRT 推断服务器,你可以将神经网络推断部署到数据中心。它可以在多个服务器上分配神经网络推理的负载。目前,企业通常有多个 pod,每个 pod 都运行专门的推理模型。遗憾的是,如果对特定模型的需求上升,你就必须扩展服务器以满足对该功能的需求。TensorRT 和 Kubernetes 使得在多个服务器上分配多模型工作负载成为可能。Kubernetes 确定工作负载在数据中心里的,并将模型放在具有剩余容量的服务器上。梦见找不到回家的路
网友评论 ()条 查看