搜索相关资源

• 

  人工智能需要 HPC 的原因

  深度学习的最新发展正在成为人工智能的游戏规则改变者。神经网络彻底改变了我们让计算机学习和建模行为的方式，特别是对于语音和图像识别等这些的任务，这些任务一直是传统编程范式所面临的挑战。然而，尽管他们目前大肆宣传，但我们所知的神经网络是一项可以追溯到 1960 年代的创新。他们最近成为众人瞩目的焦点只是高性能计算（HPC）持续发展的结果。

• 

  NVIDIA RTX A6000 和 NVIDIA A40 GPU 发布

  NVIDIA 发布了两款采用全新 Ampere 架构的全新 GPU，即用于工作站的 NVIDIA RTX A6000 和用于服务器/数据中心工作负载的 NVIDIA A40。与前几代相比，新卡具有新的 RT 内核、新的 Tensor 内核和更多的 CUDA 内核。配备 48GB DDR6（使用带有 NVLink 的 2x 卡时可扩展至 96 GB DDR6）RTX A6000 是 Quadro 系列的新旗舰 GPU，取代了 Turing Powered Quadro RTX 8000。NVIDIA A40 具有基本相同的规格，但A40的散热是被动式的，用于服务器环境。

• 

  什么是传统 HPC/AI 集群？

  什么是集群？集群本质上是互连在一起的计算机系统的集合，以提供先进而强大的交钥匙解决方案，允许并行处理计算作业，如深度学习训练、AMBER 分子动力学模拟，甚至是一些较旧的 CPU 计算软件，如使用的在超级计算机和实验室。通常，我们可以将集群分解为五个组件：

• 

  RTX 3090 深度学习基准测试 – NVIDIA RTX 3090 vs 2080 Ti vs TITAN RTX vs RTX 6000/8000

  在这篇博客文章中，我们在 NVIDIA GeForce RTX 3090 GPU 上对 TensorFlow 进行了深度学习性能基准测试。