Публикации по теме 'nvidia'


Оперативная настройка для больших языковых моделей с логическим выводом
Введение Быстрая настройка — это метод, который использует замороженные предварительно обученные языковые модели для последующих задач, что сводит к минимуму хранение каждой задачи и использование памяти на этапе обучения, и это полезно для больших языковых моделей (LLM), таких как GPT2, T5, GPT-J, GPT-NEO, GPT-NEOX, GPT-20B, GPT3 и т. д., где модель настолько велика, что тонкая настройка становится сложной или очень дорогой. Параметры предварительно обученной языковой модели..
Получение Tensorflow для просмотра графического процессора
В прошлые выходные я сел экспериментировать с некоторыми сценариями LSTM для генерации текста после обучения машины на книге с Уолл-стрит. План состоял в том, чтобы использовать Keras с бэкэндом Tensorflow для моего проекта. Вскоре я понял, что заставить код «просто работать» можно с помощью ЦП, но для того, чтобы генерировать осмысленные тексты, безусловно, требовался ГП. Если у вас нет доступа к собственному аппаратному обеспечению графического процессора, на этом этапе обычно есть..
Быстро установите CUDA и cuDNN в Google Cloud Compute
В этой короткой статье описывается процесс установки NVIDIA CUDA и cuDNN на экземпляр Google Cloud Platform (GCP) с включенным графическим процессором Nvidia Tesla K80. Общее время, необходимое для установки, не должно превышать 15 минут, в зависимости от скорости вашей сети. Если вы не настроили экземпляр GCP с графическим процессором, вы также можете посетить эту статью о том, как я настраиваю экземпляр Google Cloud Compute с графическим процессором . Предварительное условие..
Быстрые синтетические данные с NVIDIA Omniverse Kaolin
Как приложение Kaolin может создавать синтетические наборы данных в стиле проигрывателя из ваших файлов в долларах США за считанные минуты Обзор Интерес к глубокому 3D-обучению растет с головокружительной скоростью. С PyTorch3D , Kaolin , Open3D , потоком статей из SIGGRAPH, CVPR и ECCV, а также промышленными кейсами, появившимися от Tesla , Amazon и BMW , и это лишь некоторые из них. Ясно, что революция пространственных вычислений уже происходит. Кроме того, движение ИИ,..
Использование облака GPU Lambda Labs для глубокого обучения
Когда я впервые начал свой путь в области машинного обучения, я столкнулся с одной проблемой: количество времени, которое потребовалось мне для обучения нейронных сетей. Это произошло потому, что у меня был графический процессор Intel вместо графического процессора NVIDIA, поэтому я не мог запускать свой код на CUDA. Из-за этого мне пришлось запускать свой код на процессоре, но в конце концов я начал исследовательский проект, в котором это было невозможно из-за большого времени..
Начните работу с Jetson AGX Orin. Быстро и легко, за считанные минуты!
Обычно, когда запускается новое оборудование, мы, разработчики, склонны страдать часами (или даже днями), пока все не начнет работать правильно. Даже «привет, мир» может стать проблемой, когда вы имеете дело с пре-альфа-версиями и кучей библиотек, которые иногда не скомпилированы для вашей платформы. Вот почему я написал это краткое руководство для Jetson AGX Orin, чтобы сэкономить время любому разработчику, от энтузиастов и любознательных до самых продвинутых исследователей в этой..
Jetson Nano против Raspberry Pi
Nvidia недавно объявила о своем новом Jetson Nano 2 ГБ, который идеально подходит для обучения, изучения и разработки искусственного интеллекта и робототехники. Но мы сравниваем Jetson с Raspberry Pi, цель которого - способствовать преподаванию основ компьютерных наук. но позже он стал известен среди разработчиков ПО с открытым исходным кодом. Для сравнения мы будем использовать Nvidia Jetson Nano и Raspberry Pi 4 (модель 2 Гб) Процессор Обе Chip-платы оснащены процессором на..