当前位置:首页 > 安全管理 > 安全法规
黄仁勋:RAM容量减少,运营深化,可能成为更大的深度自学模型
时间:2020-11-22 来源:亚博APP 浏览量 50913 次
本文摘要:当然,从另一个方面来看,通过数量的变化,设备的性能确实可以迅速增加,但是如何构筑数块GPU之间的大量数据突然,同时确保这些新的数据传输能力会导致过高的成本和更好的功耗,这种路线的挑战高速、高效、自动驾驶路线测量南北VR时代Drive工程师Constellation的实际系统构成(右图)在众多人工智能中应用,自动驾驶意味着英伟达最忠实的方向。

18个GPU相互连接,使整个系统的突然性能超过难以置信的900Gb/s。现场涨价广告宣传最后是系统整体的销售价格,黄仁勋现场对展示用的这个实验产品实质上价值250万美元,然后释放了150万美元的销售价格,最后一秒自己斧头到达了39.99万美元。提高了两倍RAM的QuadroGV100加速器的黄仁勋值得注意的是,DGX-2用于V100GPU,但再次发生了微小的变化——原4GB的HBM2RAM,升级为4GB的HBM2RAM,V100GPU的整体RAM(GPU的其他参数也包括RAM宽度和比特率。)在DGX-2中,16个V100GPU中各自享受的32GBRAM连接起来,可以看作512GB整体的RAM空间。

那么,这对用户有多大影响呢?英伟达官方说:RAM容量减少,运营深化,可能成为更大的深度自学模型,也不会提高深度自学的表现。内存大小脆弱的应用,最多需要提高50%的实际表现。黄仁勋:对于他这样的工程师来说,DGX-2太sex充满了DGX-2的性能本身,充满了DGX-2的各种深度自学解决方案的性价比等,英伟达在DGX-2上采中采用的新战略可能更有想法。分段结构先天具有优异的扩展性,英伟达可能在传统的GPU结构、芯片制程之外寻找了更强的性能快速增长路线。

黄仁勋

当然,从另一个方面来看,通过数量的变化,设备的性能确实可以迅速增加,但是如何构筑数块GPU之间的大量数据突然,同时确保这些新的数据传输能力会导致过高的成本和更好的功耗,这种路线的挑战高速、高效、自动驾驶路线测量南北VR时代Drive工程师Constellation的实际系统构成(右图)在众多人工智能中应用,自动驾驶意味着英伟达最忠实的方向。在今年GTC大会的演说中,英伟达创始人兼任CEO黄仁勋,为自动驾驶行业提供了新的解决方案。DriveConstellation是虚拟现实(VR)技术的自动驾驶模拟器,使自动驾驶的开发者们在数据中心创造虚拟世界,对自动驾驶车辆的算法进行数十亿英里的测试。

英伟达方面通过自己强大的图像图形和虚拟现实技术,期待算法在虚拟环境中的测试与现实场景无限相似。在DriveConstellation模拟夜间自动驾驶的构成结构也非常简单,外观看起来是DGX-1服务器。但是,两台服务器的内容不同。一台配备了几张英伟达的专业显示卡,另一台配备了与自动驾驶车辆完全相同的英伟达DRIVE-PX平台。

英伟达

整个系统的工作方式也非常简单,配备专业显示卡的服务器融合了高清地图、车辆行驶模拟算法、天气、光等一系列条件,通过专业图形构成了虚拟世界的驾驶员环境。然后,这些数据需要以类似现实传感器的形式发送到装载DrivePX平台的服务器中,Drivepx平台根据这些数据继续执行适当的自动驾驶算法,最后将车辆操作输入到虚拟化的服务器中,构成循环。根据英伟达官方的解释,两台服务器可以在一秒钟内开展30次这样的循环。英伟达还回答说,这个系统需要模拟暴风雨雪天气、一天中随时盲目的炫耀、夜晚有限的视野、不同类型的道路状况和地形。

同时,也可以模拟危险的道路状况,测试自动驾驶汽车的反应能力。然后开发商可以改进和完善自动驾驶算法。英伟达汽车部门的高级负责人DannyShapiro回答说:这业界非常有价值的工具,需要加快自动驾驶的研究开发过程。黄仁勋在演说中也说了10000套DriveConstellation系统,一年需要测量30亿英里的数字。

据了解,DriveConstellation将在今年第三季度推向市场,为英伟达的早期客户服务。在英伟达的生态系统中,现在聚集了370家不同的公司。大家一起开发自动驾驶技术。

虽然这个数字体现了英伟达阵营的巨大,但这个生态中的370名合作伙伴并不都是汽车制造商。具体来说,这些合作伙伴还包括轿车、卡车、物流车和自动驾驶出租车等。一级供应商、自动驾驶初创公司、激光雷达公司、地图公司等。

通过这个虚拟现实的驾驶员模拟器,英伟达几乎可以将数量众多的合作伙伴放在平台上,加快自动驾驶技术的开发、落地过程,相反稳定英伟达自身硬件在自动驾驶领域的不可替代性。持续渗透的TensorRT,大幅度加快的AI版图TensorRT也是英伟达去年发表的新技术,其目标是将各种人工智能结构的算法与英伟达各种结构的GPU兼容,通过二次优化算法提高整体算法在英伟达GPU上的运营效率。此次GTC以上,英伟达也取得了最近版本的TensorRT站4,其最重要的特点是效率更高,英伟达官方测试在多种人工智能算法同一服务器运营时,TensorRT站4需要提高70%的硬件市场需求由于软硬件的提高,英伟达在AlexNet的训练速度上在5年内提高了500倍,这次TensorRT在业界反对方面的新进展只加引人注目。

人工智能

因为去年TensorRT可能已经是英伟达自己的人工智能结构,而且是完全处于人工智能结构的终极结构。这对于以前希望培养人工结构建立权利人工智能生态的公司来说并不好。令人惊讶的是,英伟达正式应对已经与谷歌协商,最近的TensorFlow1.7版需要嵌入TensorRT,进一步加强TensorFlow结构在GPU中的表现。

谷歌工程负责人RajatMonga特别应对,谷歌TensorFlow团队仍与英伟达保持着密切的合作关系。其他一部分重点内容:光跟踪、医疗平台、自家GPU云技术、自动驾驶路线图、远程VR驾驶员英伟达RTX技术RTX技术是目前市场上最强的光跟踪技术,可以对多种材质展开最相似现实的动态图形,现场展示包括相对复杂的动态场景。医疗平台Clara由人工智能驱动的医疗平台Clara是英伟达的新尝试,在现场展出中,英伟达对二维超声观测动态结果进行处理,需要正确恢复患者体内器械的活动,还需要计算心脏容积和每次跳跃的体积差异。

未来自动驾驶平台路线图Roadmap是半导体制造商罕见的产品规划手段,最有名的是Intel已经过热的Tick-Tock。在此次GTC中,黄仁勋也分享了英伟达DRIVE系列产品的RoadMap策略-小尺寸的单芯片平台,通过芯片数量和GPU的加入获得了更强的性能,利用技术将更强的性能再次传输给小尺寸的单芯片平台现场泄露下一代单芯片平台的代码是Orin。

基于Holodeck的远程虚拟世界驾驶员系统,想用VR实现远程驾驶员的创业公司可能会崩溃。总结:GPU的动力仍然很强,英伟达不仅总结了性能驱动公司,还总结了现场的主要内容,自然也是提倡过度看上述开篇问题的时候了。

首先受托的是对GPU的期待,在几年前的过程中,英伟达不断地拿走改版、更强的GPU芯片。但是,注定也是半导体的芯片,在一定程度上不被工艺的物理允许,单个芯片的提高可玩性也大幅度提高。

英伟达

但是,由于阶段性运算,GPU本质上容易纵向扩展,本次GTC发表的新的16个V100首次GPU的DGX-2加速器是最差的证明。在利用合适的数据传输技术的前提下,GPU未来的动力急速增加也是强大。另一个要点实质上是英伟达在硬件以外做的很多工作,从各种人工智能结构、算法的持续优化到几乎VR简化的自动驾驶路线测量,英伟达实质上大大提高了整个生态能力,消除了重要的障碍。这种能力创造了人工智能、自动驾驶等领域,没有人超越。

毫无疑问,在2018年的下一天,教主和他的英伟达也会给我们带来更多惊喜。原始文章允许禁止发布。下一篇文章发表了注意事项。


本文关键词:亚博app买球,自动驾驶,能力,配备,英伟达

本文来源:亚博APP-www.tosakimixer.com

版权所有北京市亚博APP有限公司 京ICP备95411043号-1

公司地址: 北京市北京市北京区平赛大楼3329号 联系电话:0130-99748488

Copyright © 2018 Corporation,All Rights Reserved.

熊猫生活志熊猫生活志微信公众号
成都鑫华成都鑫华微信公众号