Перейти к содержимому
Compvision.ru

Поиск по сайту

Showing results for tags 'gpu'.



More search options

  • Search By Tags

    Введите теги через запятую.
  • Search By Author

Тип содержимого


Категории и разделы

  • Пакет OpenCV
    • OpenCV
    • Новости
    • Вопросы взаимодействия OpenCV + GDI, GDI+
  • Дополненная реальность (ARToolkit и др.)
    • ARToolkit
  • Нейросети
    • Вопросы по нейросетям и ИИ
  • Общие вопросы
    • Обсуждение общих вопросов
  • Другое

Найдено 4 результата

  1. Всем привет, Возник такой вопрос: раньше серьезное оборудование для тренировки моделек deep learning я использовал только на работе, как следствие - я не заморачивался тем, сколько электричества потребляют машины для тренировки. А тут решил собрать для личных нужд машинку с GPU'шиной уровня Nvidia gtx980ti / Titan X и стало интересно, а сколько киловат в месяц у меня будет жрать такая видяха при non-stop тренировке. Кто-то имеет опыт использования подобных карт в домашних условиях и может поделиться опытом, насколько это разорительно? Заранее спасибо)
  2. Созданная командой инженеров NVIDIA, система DIGITS DevBox является ядром комплексной платформы для ускорения исследований глубокого обучения. Каждый компонент DevBox, начиная с четырех карт GPU TITAN X и заканчивая памятью и интерфейсами, максимально оптимизирован, чтобы обеспечить наиболее эффективную работу для самых сложных задач глубокого обучения Данная система поставляется с предустановленным программным обеспечением, которое необходимо ученым и исследователей для создания собственных глубоких нейронных сетей. В список приложений входят пакет программ DIGITS, самые популярные платформы глубокого обучения Caffe, Theano и Torch, а также cuDNN 2.0 – GPU-ускоренная библиотека для задач глубокого обучения от NVIDIA. И все это заключено в экономичный, тихий, хорошо охлаждаемый корпус с красивым дизайном, который легко помещается под столом и питается от обычной розетки. Самые первые результаты такого многопроцессорного обучения показывают, что DIGITS DevBox обеспечивает производительность почти в четыре раза выше по сравнению с одним TITAN X в тестах глубокого обучения. С помощью DIGITS DevBox натренировать сеть AlexNet можно всего за 13 часов, тогда как обычному ПК на базе самого быстрого GPU потребовалось бы более двух суток, а системе на базе CPU — больше месяца. Подробнее о NVIDIA DIGITS DevBox
  3. h.264 Cuda

    Задача такая: нужно декодировать 4k h.264 поток. Все завелось через CvCapture, но проц грузит безбожно. из чего возникает два вопроса: 1 есть ли способ стандартный CvCaptureзаставить декодировать h.264 на карточке Nvidia 2 используется ли в CvCapture аппаратное ускорения новых процов intel (Intel® Quick Sync Video) Может кто в теме и просветит.
  4. ArrayFire

    Вот она Открытая библиотека для переноса вычислений линейной алгебры на GPU и не только. Поддерживает Nvidia + CUDA, Intel и AMD + OpenCL и многое другое.
×