|
北京思腾创新科技有限公司 
| 联系人：温巍 先生 (销售) |
 |
| 电 话：010-51626135-807 |
|
| 手 机：13511075577 |
|
 |
|
 |
|
 |
|
| nvidia tesla k40 价格 全新 |
熟悉深度学习的人都知道，深度学习是需要训练的，所谓的训练就是在成千上万个变量中寻找*佳值的计算。这需要通过不断的尝试实现收敛，而*终获得的数值并非是人工确定的数字，而是一种常态的公式。通过这种像素级的学习，不断总结规律，计算机就可以实现像像人一样思考。如今，几乎所有的深度学习(机器学习)研究者都在使用GPU进行相关的研究。当然，我说的是“几乎”。除了GPU之外，包括MIC和FPGA也提供了不同的解决方案。NVIDIA如何看待不同的硬件架构对深度学习的影响，又是如何评价这些技术的呢?
除了硬件方面的因素之外，英伟达中国区技术经理赖俊杰也从软件方面解答了GPU对于深度学习应用的价值。首先从深度学习应用的开发工具角度，具备CUDA支持的GPU为用户学习Caffe、Theano等研究工具提供了很好的入门平台。其实GPU不仅仅是指专注于HPC领域的Tesla，包括Geforce在内的GPU都可以支持CUDA计算，这也为初学者提供了相对更低的应用门槛。除此之外，CUDA在算法和程序设计上相比其他应用更加容易，通过NVIDIA多年的推广也积累了广泛的用户群，开发难度更小。*后则是部署环节，GPU通过PCI-e接口可以直接部署在服务器中，方便而快速。得益于硬件支持与软件编程、设计方面的优势，GPU才成为了目前应用*广泛的平台。
深度学习发展遇到瓶颈了吗?
我们之所以使用GPU加速深度学习，是因为深度学习所要计算的数据量异常庞大，用传统的计算方式需要漫长的时间。但是，如果未来深度学习的数据量有所下降，或者说我们不能提供给深度学习研究所需要的足够数据量，是否就意味着深度学习也将进入“寒冬”呢?对此，赖俊杰也提出了另外一种看法。“做深度神经网络训练需要大量模型，然后才能实现数学上的收敛。深度学习要真正接近成人的智力，它所需要的神经网络规模非常庞大，它所需要的数据量，会比我们做语言识别、图像处理要多得多。假设说，我们发现我们没有办法提供这样的数据，很有可能出现寒冬”。
不过他也补充认为——从今天看到的结果来说，其实深度学习目前还在蓬勃发展往上的阶段。比如说我们现阶段主要做得比较成熟的语音、图像方面，整个的数据量还是在不断的增多的，网络规模也在不断的变复杂。现在我没有办法预测，将来是不是会有一天数据真不够用了。
对于NVIDIA来说，深度学习是GPU计算发展的大好时机，也是继HPC之后一个全新的业务增长点。正如Pandey所提到的那样，NVIDIA将世界各地的成功经验带到中国，包括国外的成功案例、与合作伙伴的良好关系等等，帮助中国客户的快速成长。“因为现在是互联网的时代，是没有跨界的时代，大家都是同等一起的。”
K40的显存频率也从之前的5.2GHz提高到了6GHz，显存位宽依然是384bit。带宽从之前的250GB/s提高到了288GB/s，不过TDP继续维持K20X的235W水准，整体控制的很不错。
*大的变化要属显存容量了，之前K20X标配的是6GB，此次K40搭配的是12GB显存，不过显存颗粒的数量并没有增加，因为NVIDIA这次使用的是4Gb显存，此前包括桌面及Tesla、Quadro产品线上使用的显存颗粒都是2Gb容量，因此在维持24片显存的情况下Tesla K40的总容量提升到了12GB（24x4Gb），而K20X只有6GB（24x2Gb）。
还有一个值得注意的变化，那就是Tesla K40终于实现PCI-E 3.0支持了，虽然之前的Tesla K20X设计上也是支持PCI-E 3.0的，但是实际启用的还是PCI-E 2.0速度，此前NVIDIA在IVB-E发布时就有过类似的兼容性问题，现在已经不存在这样的问题了，支持PCI-E 3.0将使得K40与CPU之间的带宽从8GB/s提高到15.75GB/s。 |
 |
| |
| 北京思腾创新科技有限公司 |
|
| 电 话： |
010-51626135-807 |
| 传 真： |
|
| 移动电话： |
13511075577 |
| 在线联系： |
|
| 公司地址： |
中国北京海淀区北京市海淀区北三环西路48号科技会展中心1号楼A座15C |
| 邮 编： |
|
| 公司主页： |
http://eneiwst.qy6.com( 加入收藏) |
|
|
|
 |
|
|
免责声明： 以上所展示的信息由会员自行提供，内容的真实性、准确性和合法性由发布会员负责，企业录对此不承担任何责任。如有侵犯您的权益，请来信通知删除。