Реестр контейнеров NGC предоставляет полноценный каталог контейнеров с ускорением на GPU, которые оптимизированы, протестированы и готовы к запуску на поддерживаемых GPU NVIDIA на локальных и облачных системах. Контейнеры из NGC содержат TensorFlow, PyTorch, MXNet, NVIDIA TensorRT™ и другие инструменты и обеспечивают производительность и гибкость для выполнения самых сложных проектов NVIDIA AI. Это помогает специалистам по данным и исследователям быстро создавать, тренировать и развертывать ИИ-модели, отвечая постоянно меняющимся требованиям.
Реестр контейнеров NGC содержит лучшее в отрасли ПО для ускоренной работы с данными, машинного обучения и анализа данных. Используйте производительное ПО для комплексного обучения данных только на GPU, которое позволяет сократить время обучения с нескольких дней до нескольких часов.
Узнайте больше об оптимиации ведущих фремворков глубокого обучения, таких как TensorFlow, PyTorch, MXnet, Theano, Caffe2, Microsoft Cognitive Toolkit (CNTK), и многие другие.
NVIDIA GPU Cloud упрощает использование фреймворков глубокого обучения, оптимизированных для работы на GPU, локально или в облаке. Узайте, как быстро начать работу с NGC и Amazon Elastic Compute Cloud (Amazon EC2).
Вы получите доступ к каталогу полностью интегрированного и оптимизированного программного обеспечения для глубокого обучения совершенно бесплатно.
Контейнеры доступны для всех подписчиков NGC. Пользователи, зарегистрировавшие учетную запись, могут скачивать и использовать последние версии оптимизированных контейнеров на поддерживаемых платформах.
Каждый контейнер содержит NVIDIA GPU Cloud Software Stack, готовый к использованию программный стек для глубокого обучения, оптимизированный для ускорения на GPU NVIDIA. В этот набор входит ОС Linux, рабочая среда CUDA, библиотеки и фреймворк глубокого обучения (TensorFlow, NVCaffe, NVIDIA DIGITS и т.д.). Все эти компоненты подготовлены для совместной работы без дополнительной настройки.
Каталог контейнеров NGC содержит GPU-ускоренные версии самых популярных фреймворков: NVCaffe, Caffe2, Microsoft Cognitive Toolkit (CNTK), NVIDIA DIGITS, MXNet, PyTorch, TensorFlow, Theano, Torch, CUDA (контейнер базового уровня для разработчиков).
GPU-ускоренные контейнеры настроены, протестированы и сертифицированы NVIDIA для работы на системах NVIDIA DGX™, видеокартах NVIDIA TITAN (с архитектурой NVIDIA Volta и NVIDIA Pascal™) и NVIDIA Quadro GV100, GP100 и P6000, а также на GPU NVIDIA в облачных платформах Alibaba, Amazon, Google, Microsoft и Oracle.
Да, правила использования позволяют запускать контейнеры NGC на ПК, оснащенных GPU с архитектурой Pascal или Volta.
Контейнеры NGC предназначены для работы на GPU с архитектурой NVIDIA Volta или Pascal™. Провайдеры облачных услуг предлагают доступ к инстансам, оснащенным GPU NVIDIA, необходимым для запуска контейнеров NGC. Для запуска контейнеров необходимо выбрать один из типов инстансов, создать файл с образом и открыть NGC. Подробные инструкции по запуску контейнеров на платформах разных провайдеров облачных услуг можно найти в документации NVIDIA GPU Cloud.
Ежемесячно. NVIDIA продолжает разработку и сотрудничает с разработчиками фреймворков, чтобы гарантировать, что каждый фреймворк настроен для максимальной скорости обучения нейронных сетей. Инженеры NVIDIA постоянно оптимизируют программное обеспечение, каждый месяц предлагая обновления для контейнеров, чтобы вы могли гарантированно получить выгоду от вложенных инвестиций.
Форум NVIDIA DevTalk https://devtalk.nvidia.com поддерживается большим сообществом экспертов в области глубокого обучения из экосистемы клиентов, партнеров и сотрудников NVIDIA.
NVIDIA стремится ускорить внедрение искусственного интеллекта и поэтому предоставляет исследователям и разработчикам упрощенный доступ к GPU-ускоренными фреймворкам глубокого обучения. Это облегчит запуск этих фреймворков на GPU NVIDIA в облаке или на локальных системах.
Контейнеры из каталога NGC доступны бесплатно (согласно положениям Условий использования). Однако каждый провайдер облачных услуг взимает плату за предоставление доступа к ускоренным вычислительным ресурсам.
Ознакомиться с Условиями использования можно по адресу https://ngc.nvidia.com/legal/terms