Nur drei einfache Schritte sind erforderlich, damit Sie Deep Learning für ein Einzelprojekt, ein kleines Team oder ein umfassenderes Vorhaben nutzen können.
1
SOFTWARE AUSWÄHLEN
Finden Sie heraus, welche Software die richtige für Sie ist. Sie haben die Wahl zwischen einer interaktiven App, anpassbaren Frameworks und Hochleistungs-Bibliotheken.
NVIDIA® DIGITS™
Nutzen Sie interaktive Möglichkeiten beim Datenmanagement und Trainieren von Deep-Learning-Modellen, ob zur Bildklassifikation, Objekterkennung oder Bildsegmentierung. Das Schreiben von Code ist nicht erforderlich.
DEEP-LEARNING-FRAMEWORKS
Gestalten und trainieren Sie Deep-Learning-Modelle auf einer high-level Schnittstelle. Wählen Sie das Deep-Learning-Framework, das Ihren Anforderungen am besten entgegenkommt. Dabei sollten Sie Ihre bevorzugte Programmiersprache, Plattform und Zielanwendung berücksichtigen.
NVIDIA DEEP LEARNING SDK
Dieses NVIDIA Deep Learning SDK bietet hohe Leistung durch den Einsatz mehrerer Grafikprozessoren zur Beschleunigung sowie bewährte Deep-Learning-Algorithmen. Es ist auf einfache und sofortige Beschleunigung in Deep-Learning-Frameworks ausgelegt.
2
GRAFIKPROZESSOR AUSWÄHLEN
NVIDIA-Grafikprozessoren für Deep Learning sind in Desktops, Notebooks, Servern und Supercomputern auf der ganzen Welt präsent, genauso wie in den Cloud-Diensten von Amazon, IBM, Microsoft und Google. Sie können auf eine umgehend einsatzbereite Deep-Learning-Lösung mit der Leistung von NVIDIA-Grafikprozessoren zurückgreifen oder Ihre eigene Lösung entwickeln.
DESKTOP-ENTWICKLUNG
- NVIDIA TITAN RTX – Die leistungsstärkste Grafikkarte, die jemals für den Einsatz in PCs entwickelt wurde, sorgt für bahnbrechende Erfolge in allen Branchen.
- NVIDIA Quadro® GV100 – der fortschrittlichste Grafikprozessor für das Training von Deep Neural Networks auf einer professionellen Workstation.
LÖSUNGEN FÜR RECHENZENTREN
- NVIDIA DGX-1™ – das erste System der Welt, das speziell für Deep Learning entwickelt wurde. Die vollständig integrierte Hard- und Software sind schnell und einfach zu implementieren.
- NVIDIA Tesla® P100 – der fortschrittlichste Grafikprozessor für Deep-Learning-Training, der auf der Pascal-Architektur basiert
- NVIDIA Tesla® P40 – der fortschrittlichste Grafikprozessor für Deep-Learning-Inferenz
- NVIDIA Tesla® P4 – für Video-Transkodierung, Bilderkennung und -verarbeitung sowie Deep-Learning-Inferenz optimierter Grafikprozessor mit geringem Energieverbrauch und kleinem Formfaktor.
EINGEBETTETE ANWENDUNGEN
- NVIDIA Jetson™ TX2-Entwicklerkit – eine voll ausgestattete Entwicklerplattform für eingebettete Visual-Computing-Anwendungen.
- NVIDIA DRIVE™ PX – ein Computer für selbstfahrende Autos, der auf dem NVIDIA Tegra X1-Prozessor basiert
GRAFIKPROZESSORBESCHLEUNIGTE CLOUD-DIENSTE
3
LOSLEGEN
Wählen Sie die Optionen, die Ihren Anforderungen und Ihrem Lernstil am ehesten entsprechen.
DEEP-LEARNING-KURSE
- Das NVIDIA Deep Learning Institute bietet Kurse zum eigenständigen Lernen sowie Workshops mit Kursleitern an.
- CS229: Machine Learning (Maschinelles Lernen) von Andrew Ng (Baidu)
- Deep Learning in Oxford von Nando de Freitas (University of Oxford)
- Neural Networks for Machine Learning (Neuronale Netze für maschinelles Lernen) von Geoffrey Hinton (Google, University of Toronto)
- Deep Learning for Computer Vision (Deep Learning für Computer Vision) von Rob Fergus (Facebook, NYU)
- Learning from Data (Aus Daten lernen) von Yasser Abu-Mostafa (Caltech)
- Deep Learning for Natural Language Processing (Deep Learning für die Verarbeitung natürlicher Sprache) (Stanford)
BLOGPOSTS UND ARTIKEL
- Deep Learning in a Nutshell (Deep Learning im Überblick) – Reihe von Tim Dettmers (Universität Lugano, Schweiz)
- Hacker's Guide to Neural Networks (Leitfaden zu neuronalen Netzen für Hacker) von Andrej Karpathy (Stanford University)
- Einstiegskurs zu DIGITS von Allison Gray (NVIDIA)
- Posts zum Thema Deep Learning im Technologieblog ParallelForAll
TECHNISCHE PRÄSENTATIONEN UND WEBINARE
- Umfangreiches Deep Learning beim Entwickeln intelligenter Computersysteme von Jeff Dean (Google)
- Deep Learning: die weitere Entwicklung von Andrew Ng (Baidu)
- Deep Learning im richtigen Umfang von Ren Wu (Baidu)
- GPUs and Deep Learning: a Look at cuDNN (GPUs und Deep Learning: Blick auf cuDNN) von Sharan Chetlur (NVIDIA)
MITGLIED IM NVIDIA-ENTWICKLERPROGRAMM WERDEN
So haben Sie Zugriff auf alle Ressourcen, die Sie zum Entwickeln mit NVIDIA-Produkten benötigen. Jeder kann kostenlos Mitglied werden.