Inference ການຮຽນຮູ້ເລິກໄວກວ່າ XNUMXx ເມື່ອທຽບກັບ TensorFlow ໃນ NVIDIA GPUs
MathWorks ໄດ້ປະກາດວ່າ MATLAB ໃນປັດຈຸບັນສະຫນອງການເຊື່ອມໂຍງກັບ NVIDIA TensorRT ຜ່ານ GPU Coder. ນີ້ຊ່ວຍໃຫ້ວິສະວະກອນແລະນັກວິທະຍາສາດພັດທະນາຮູບແບບ AI ແລະການຮຽນຮູ້ເລິກໃຫມ່ໃນ MATLAB ດ້ວຍປະສິດທິພາບແລະປະສິດທິພາບທີ່ຈໍາເປັນເພື່ອຕອບສະຫນອງຄວາມຕ້ອງການທີ່ເພີ່ມຂຶ້ນຂອງສູນຂໍ້ມູນ, ຄໍາຮ້ອງສະຫມັກຝັງ, ແລະລົດຍົນ. MATLAB ສະໜອງຂະບວນການເຮັດວຽກທີ່ສົມບູນເພື່ອຝຶກອົບຮົມ, ກວດສອບ ແລະນຳໃຊ້ຮູບແບບການຮຽນຮູ້ທີ່ເລິກເຊິ່ງ. ວິສະວະກອນສາມາດນໍາໃຊ້ຊັບພະຍາກອນ GPU ໂດຍບໍ່ມີການຂຽນໂປລແກລມເພີ່ມເຕີມ, ດັ່ງນັ້ນເຂົາເຈົ້າສາມາດສຸມໃສ່ຄໍາຮ້ອງສະຫມັກຂອງເຂົາເຈົ້າແທນທີ່ຈະປັບປະສິດທິພາບ. ການເຊື່ອມໂຍງໃຫມ່ຂອງ NVIDIA TensorRT ກັບ GPU Coder ອະນຸຍາດໃຫ້ຕົວແບບການຮຽນຮູ້ເລິກທີ່ພັດທະນາໃນ MATLAB ດໍາເນີນການໃນ NVIDIA GPUs ທີ່ມີປະສິດຕິພາບສູງແລະ latency ຕ່ໍາ.
ການທົດສອບ benchmark ພາຍໃນສະແດງໃຫ້ເຫັນວ່າລະຫັດ CUDA ທີ່ສ້າງຂຶ້ນໂດຍ MATLAB ສົມທົບກັບ TensorRT ສາມາດນໍາໄປໃຊ້ Alexnet ກັບ 5x ປະສິດທິພາບຂອງ TensorFlow, ແລະສາມາດປະຕິບັດ VGG-16 ກັບ 1,25x ປະສິດທິພາບຂອງ TensorFlow ສໍາລັບ inference ການຮຽນຮູ້ເລິກ. "ການວິວັດທະນາການຢ່າງໄວວາຂອງຮູບພາບ, ສຽງ, ເຊັນເຊີແລະເຕັກໂນໂລຢີ IoT ກໍາລັງຊຸກຍູ້ໃຫ້ທີມງານຄົ້ນຫາວິທີແກ້ໄຂ AI ທີ່ມີປະສິດຕິພາບແລະປະສິດທິພາບຫຼາຍກວ່າເກົ່າ. ນອກຈາກນັ້ນ, ຮູບແບບການຮຽນຮູ້ທີ່ເລິກເຊິ່ງໄດ້ກາຍເປັນຄວາມສັບສົນຫຼາຍ. ທັງຫມົດນີ້ເຮັດໃຫ້ຄວາມກົດດັນອັນໃຫຍ່ຫຼວງຕໍ່ວິສະວະກອນ,” David Rich, ຜູ້ອໍານວຍການບໍລິສັດ MathWorks ເວົ້າ. "ຕອນນີ້, ທີມງານຝຶກອົບຮົມແບບຈໍາລອງການຮຽນຮູ້ເລິກເຊິ່ງກັບ MATLAB ແລະ NVIDIA GPUs ສາມາດນໍາໄປໃຊ້ inference ໃນເວລາຈິງໃນສະພາບແວດລ້ອມໃດກໍ່ຕາມ, ຈາກຄລາວໄປຫາສູນຂໍ້ມູນແລະອຸປະກອນຂອບທີ່ຝັງໄວ້." ຖ້າທ່ານຕ້ອງການຮຽນຮູ້ເພີ່ມເຕີມກ່ຽວກັບ MATLAB ສໍາລັບການຮຽນຮູ້ເລິກ, ເຂົ້າເບິ່ງ: mathworks.com/solutions/deeplearning.html.
