Nvidia는 GPU 아키텍처의 데이터 처리 애플리케이션에 익숙합니다. 을 지배하고 있습니다. 일체 포함 수년 동안 딥 러닝 개발 공간을 확보했으며 과학 컴퓨팅 분야에서도 꽤 편안하게 자리를 잡았습니다. 하지만 이제는 다음 분야에 진출하려고 합니다. 기계 학습, 현재 전 세계에서 진행되는 모든 데이터 프로젝트의 절반 이상을 차지하는 시장입니다.
관련 보기
이를 위해 DGX-2 형태의 전용 머신러닝 하드웨어와 새로운 오픈 소스 플랫폼인 Rapids를 출시했습니다. 완전한 엔드투엔드 솔루션으로 함께 작동하도록 설계된 Nvidia의 GPU 기반 머신 러닝 플랫폼은 기관과 기업이 정보를 처리하고 이해하는 방식을 완전히 변화시킬 예정입니다. 데이터.
“데이터 분석과 머신러닝은 고성능 컴퓨팅 시장의 가장 큰 부문입니다. GTC Europe 무대에서 Nvidia의 창립자이자 CEO인 Jensen Huang은 이렇게 설명했습니다. 2018. “세계 최대 산업에서는 머신러닝으로 작성된 알고리즘을 서버의 바다에서 실행하여 복잡한 것을 감지합니다. 시장과 환경의 패턴을 분석하고 바닥에 직접적인 영향을 미치는 빠르고 정확한 예측을 내립니다. 선."
다음 내용을 읽어보세요: AI와 머신러닝, 차이점은 무엇인가요?
전통적으로 기계 학습은 CPU 기반 시스템의 확산과 무어의 법칙의 상대적 발전으로 인해 전적으로 CPU 기반 시스템에서 이루어졌습니다. 이제 무어의 법칙이 끝났습니다. 이제 데이터 과학자가 숫자 처리 기계에 전력을 공급할 더 강력한 솔루션을 찾아야 할 때입니다. 분석가에 따르면 이 시장은 연간 360억 달러(263억 파운드)의 가치가 있을 것으로 예상됩니다. Nvidia가 파이 조각과 자체 기술로 기계 학습 분야를 발전시킬 기회를 원하는 것은 당연합니다. 제품.
“우리는 딥러닝에서 그랬던 것처럼 머신러닝을 강화하고 있습니다.”
Huang은 “CUDA와 글로벌 생태계를 기반으로 오픈 소스 커뮤니티와 긴밀히 협력하여 Rapids GPU 가속 플랫폼을 만들었습니다.”라고 말했습니다. “세계에서 가장 인기 있는 데이터 과학 라이브러리 및 워크플로에 원활하게 통합되어 기계 학습 속도를 높입니다.
"우리는 딥러닝에서 그랬던 것처럼 머신러닝을 강화하고 있습니다."
모든 기술적인 문제를 다루지 않고도 – 저를 믿으세요. 많은 것들이 있습니다 – Nvidia의 GPU 시스템이 기존 CPU 시스템보다 얼마나 빠른지는 매우 분명합니다. 학습.
다음 내용을 읽어보세요: 신경망을 사용하여 예술 작품 만들기
무대에서 실시간으로 발표된 한 예에서 Nvidia의 플랫폼은 약 40초 만에 주요 모기지 브로커로부터 16년간의 모기지 및 대출 데이터를 처리했습니다. 기존 Python 기반 CPU 시스템에서는 약 2분 정도 소요됩니다.
AI가 학습하여 행동에 대한 예측을 생성할 수 있는 모델을 생성하는 고급 프로세스 – 예를 들어 누군가가 자신의 이력을 고려하여 대출 불이행 가능성을 모델링하는 등 – 시간이 조금 더 걸립니다. 기존의 100개 CPU 시스템에서는 약 30분 정도 걸리고 20개 CPU 어레이에서는 그보다 더 오랜 시간이 걸립니다. Nvidia의 DGX-2 시스템과 Rapids의 일부로서 Huang이 우리가 보고 있는 일을 설명하는 데 약 2분 만에 실행됩니다.
이는 분명히 데이터 과학자에게 시간적 이점을 제공하고 비즈니스의 학습 속도를 향상시킵니다. Huang도 지적했듯이 DGX-2 1대는 서버 300대와 동일한 작업 부하를 처리할 수 있습니다. DGX-2에 동일한 수준의 비용을 지출하면 회사가 설치 비용으로 300만 달러 이상을 절약할 수 있습니다. Rapids를 실행하는 시스템에서는 회사가 그 정도 수준의 컴퓨팅 성능으로 무엇을 해야 할지 알지 못할 것입니다.
다음 내용을 읽어보세요: Google의 Cloud AutoML은 모든 사람에게 머신러닝을 제공하기를 희망합니다.
Nvidia는 이미 GPU 가속 기계 학습 플랫폼을 지원하는 주요 기업을 보유하고 있기 때문에 모두 뜨거운 공기는 아닙니다. Walmart는 매장 전체에서 음식물 쓰레기를 대폭 줄일 수 있도록 재고 관리 및 예측을 이해하는 데 도움을 주기 위해 이를 사용하기 시작했습니다.
기술 분야에서 HPE는 Nvidia와 협력하여 고객에게 제공되는 기계 학습 서비스를 개선했습니다. IBM은 이를 Watson AI 및 IBM이 실행하는 다양한 기타 기계 학습 프로그램과 함께 사용하려고 하며 Oracle은 오픈 소스 Rapids 플랫폼과 DGX-2 제품군을 활용하여 Oracle Cloud에 대한 통찰력을 강화합니다. 하부 구조.
궁극적으로 Rapids와 DGX-2의 아이디어는 새로운 시장과 비즈니스에 머신러닝의 기회를 열어주는 것입니다. 서버 랙을 실행하거나 다수의 데이터 과학자를 고용할 예산이나 역량이 없는 회사도 이제 그렇게 할 수 있습니다. 본질적으로 매력적이지는 않지만 미래의 비즈니스 운영 방식에 큰 영향을 미칠 수 있는 기술입니다.
