Mit Deep Learning Servern von CADnetwork trainieren Sie Ihre neuronalen Netze in Tensorflow, Caffe, Theano, Torch und anderen Deep Learning Frameworks in deutlich kürzerer Zeit. Die Deep Learning Box von CADnetwork ist hochoptimiert für Machine Learning und Deep Learning Anwendungen. Ausgestattet mit bis zu vier oder acht NVIDIA GTX oder Tesla GPUs steht eine enorme Rechenleistung zur Verfügung. Die Server von CADnetwork sind bereits fertig installiert und eingerichtet für die meisten Deep Learning Frameworks. Wir passen uns auf Ihre Anforderungen und Wünsche an und bieten Ihnen perfekt zugeschnittene Lösungen.
Eine Maschine für Deep Learning Anwendungen zu installieren und einzurichten dauert mitunter mehrere Tage, und gleicht eher einem Trial-and-Error Verlauf. Verwenden Sie Ihre Zeit lieber sinnvoll für Erstellung und Training von neuronalen Netzen, anstatt mit zeitraubenden Linux Installations- und Konfigurationsschritten. Durch die Ready-to-Brain™ Technologie von CADnetwork® sind unsere Geräte sofort einsatzbereit. Die Server werden komplett fertig mit den gängigsten AI Tools geliefert, so sparen Sie sich Zeitaufwand und können direkt mit Ihren eigentlichen Aufgaben beginnen.
Mit umfangreichem DL Softwarestack
Die Geräte der CADnetwork® Deep Learning Box™ Familie sind mit einem umfangreichen Softwarestack für AI Anwendungen ausgestattet. Die Deep Learning Frameworks und Bibliotheken sind hierbei in komfortablen docker Containern angeordnet und ermöglichen so einfachen und stabilen Zugriff auf die Ressourcen. Die gängigsten Frameworks wie z.B. TensorFlow, Caffe2 und Theano sind bereits fertig installiert und sofort einsatzbereit.
Bereits unterstützte Deep Learning Frameworks: Tensorflow, Caffe2, Theano, Torch
Ultraschnelle Beschleunigung zwischen GPUs dank NVLink™
Durch den Einsatz der NVLink-Technologie wurde die Übertragungsrate der Tesla V100 in beide Richtungen von 20 auf 25 GB/s erhöht. Diese Technologie kann für die Datenübertragung zwischen Grafikprozessoren und CPUs (GPU-to-CPU) sowie zwischen Grafikprozessoren (GPU-to-GPU) eingesetzt werden, wie dies bei den Deep Learning Appliances mit Tesla V100 der Fall ist.
NVIDIA DGX-1 Deep Learning Appliance
Die Deep Learning Appliances NVIDIA DGX-1 und DGX Station sind mit acht NVIDIA Tesla P100 / V100 GPUs ausgestattet und sind die Luxus Systeme unter den Deep Learning Servern. Das komplette Rundum-Sorglos-Paket mit Docker Images für alle gängigen Deep Learning Frameworks, wie z.B. Tensorflow, Caffe, Theano, Torch, und einem jährlichen Wartungsvertrag für Software und Hardware ist für Unternehmen geeignet, die vor allem Wert auf die höchstmögliche Performance legen.
AUSWAHL DER RICHTIGEN DEEP LEARNING HARDWARE
Das wichtigste Auswahlkriterium für den richtigen Deep Learning Server oder Deep Learning Workstation ist die benötigte Rechenleistung für die zu trainierenden neuronalen Netze. Für das Trainieren von neuronalen Netzen sind sehr viele Rechendurchgänge, auch Iterationen genannt, notwending. Die Anzahl der nötigen Iterationen, die größe und Art der zu trainierenden Daten (z.B. Anzahl der Bilder und Auflösung und Größe der Bilder für Computer Vision) und die Tiefe des neuronalen Netzes, also die Anzahl der Ebenen und Layer im neuronalen Netz sind ausschlaggebend für die benötigte Rechenleistung.
Ausschlaggebend für die benötigte Rechenleistung:
-Komplexität des neuronalen Netzes - Anzahl an künstlichen Neuronen, Tiefe / Anzahl Layer des neuronalen Netzes
-Anzahl der Iterationen - Anzahl der Durchläufe des neuronalen Netzes zum trainieren des Deep Learning Netzes
-Datenmenge - Menge, Art und Geröße der Datenelemente
Um die immense Rechenleistung für das Training von neuronalen Netzen zur Verfügung zu stellen wäre ein großes Cluster bestehend aus mehreren CPU Nodes nötig. Glücklicherweise können fast alle Deep Learning Frameworks durch Grafikkarten, auch GPUs genannt, deutlich beschleunigt werden. So stellt z.B. eine GPU Workstation mit vier NVIDIA GPUs nahezu die Rechenleistung eines ganzen CPU Cluster bestehend aus 10 Nodes zur Verfügung.
