GPU深度學習工作平台解決方案


深度學習(英語:deep learning)是機器學習拉出的分支,它試圖使用包含複雜結構或由多重非線性變換構成的多個處理層對資料進行高層抽象的演算法。

深度學習應用範圍非常廣,擅長識別非結構化的數據,舉凡多數人所知道的圖像、影像、聲音、文本等皆屬於這類型的數據。

本方案主要結合各種深度學習函式庫 - 影像處理、電腦視覺及深層神經網路函式庫等 ... 架構出一套GPU深度學習開發平台。主要以Python框架建立而成依使用者本身的需求可選擇運用Theano、TensorFlow、Caffe2、Keras、mxnet 等深度學習框架來組合建立,且支持CUDA GPU 加速運算及利用GPU加速卷積神經網路的函式庫(cuDNN)。

本方案的參考規格架構 :

基礎(個人運算使用)進階(集中運算使用)
MB : 支援LGA 1151/LGA 2011 及 Nvidia SLI 技術主機板
CPU : Intel 最新的 Core i7 處理器 / Intel 最新的 Xeon E3-1200 v6 系列處理器
RAM : 至少 16Gb DDR4 2400 MHz 記憶體
HDD : 512Gb SATA SSD / 至少 2TB SATA 硬碟
GPU : Nvidia GTX 1080 ti 以上的GPU (最多可擴充至2-4張,以Geforce GTX 產品系列為主)
Power : 至少600W電源供應器 (隨GPU數量而定)
OS : Windows / Linux
軟體 : 深度學習函式庫/影像處理與電腦視覺函式庫/深層神經網路函式庫/CUDA
外觀 : 直立式
MB : 支援LGA 2011 / LGA3647 主機板
CPU : intel Xeon E5-2600 v4 系列處理器 / Intel Xeon Scalable 系列處理器
RAM : 至少32Gb DDR4 2400/2666 MHz ECC Reg 記憶體
HDD : 512Gb SATA SSD / 至少 2TB SATA 硬碟
GPU : Nvidia GTX 1080 ti 以上的GPU / Nvidia Tesla GPU 系列(最多可擴充至4-8張)
Power : 至少2000W電源供應器
OS : Linux / Windows
軟體 : 深度學習函式庫/影像處理與電腦視覺函式庫/深層神經網路函式庫/CUDA
外觀 : 直立式 / 機架式