DL / ML

AI는 멈춰 서있지 않습니다. AI는 살아있으며, 전 세계 모든 산업 곳곳에서 변화를 주도합니다. 그리고 우리와 마찬가지로 진화합니다.
AI는 예측하고, 치료하고, 탐험하며, 만들고, 보호하고, 가르칠 수 있습니다. AI는 현재 우리를 이끌고 있으며 미래를 위한 기술입니다.

Deep Learning

딥러닝은 AI와 머신러닝의 서브셋으로, 장애물 탐지, 음성인식, 언어 번역 등의 작업에서
최첨단의 정확도를 구현해내기 위해 다층구조의 인공 신경망을 사용합니다.

딥러닝은 이미지, 비디오 또는 텍스트와 같은 데이터로부터 수작업 코딩 룰이나
인간 영역의 지식없이 자동적으로 묘사를 배울 수 있다는 점에서 전통적인 머신러닝과 차이가 있습니다. 딥러닝을 위한 유연한 아키텍처는 많은 양의 데이터가 제공되었을때 기본 데이터로부터 직접적인 학습을 할 수 있으며 예측 정확도를 높일 수 있습니다.

딥러닝은 Google DeepMind의 알파고, 자율주행 자동차, 인공 음성 어시트턴트,
그 외 다양한 분야에서 AI를 통한 혁신을 일으켰습니다. 이제 연구자 및 데이터 과학자들은
NVIDIA GPU 가속화 딥러닝 프레임워크를 사용하여 트레이닝의 속도를 크게 높일 수 있습니다.
모델을 배포할 준비가 되면 개발자는 클라우드, 임베디드 장치 또는 자율주행 자동차에 대한
GPU 가속화 추론 플랫폼을 사용하여 컴퓨팅 집약적인 심층신경망(Deep Neural networks)에 대해 고성능, 저지연 추론을 제공할 수 있습니다.

img

개발자를 위한 NVIDIA AI 플랫폼

AI 어플리케이션 개발은 대규모 데이터 셋을 사용하여 심층 신경망(Deep Neural Networks)를 트레이닝 하는 것으로 시작됩니다. GPU 가속화 딥러닝프레임워크는 맞춤형 심층 신경망을 교육 및 구축하고 Python, C/C++같은 일반적으로 사용되는 프로그래밍 언어에 대한 인터페이스를 제공하는 유연성을 제공합니다 텐서플로우, PyTorch 등과 같은 모든 주요 딥러닝 프레임워크는 이미 GPU 가속화되었기 때문에, 데이터 과학자들과 연구자들은 GPU 프로그래밍 없이도 몇 분 안에 생산성을 향상시킬 수 있습니다.

인공 지능 연구원 및 응용 프로그램 개발자를 위해 텐서 코어로 구동되는 NVIDIA Volta 및 Turing GPU는 빠른 트레이닝 및 딥러닝 성능에 대한 즉각적인 길을 제시합니다.
텐서코어를 사용하면 FP32 및 FP16 혼합 정밀 매트릭스 승수가 처리량을 크게 가속화하여 AI 교육 시간을 단축시킵니다.

심층 신경망(Deep Neural Networks)을 클라우드 기반 혹은 임베디드 어플리케이션으로 통합하는 어플리케이션 개발자들을 위하여, 딥러닝 SDK는 트레이닝과 추론을 어플리케이션에서 직접적으로 구현하기 위하여 빌딩블록 AIPs를 시행하는 고성능 라이브러리를 제공합니다. 데스크탑에서 데이터 센터, 임베디드 디바이스까지, GPU 플랫폼을 위한 단일 프로그래밍 모델을 사용함으로써 개발자들은 최소한의 코드 변화 없이 데스크탑 상에서 개발을 시작하고, 클라우드에서 확장할 수 있을 뿐만 아니라 엣지 디바이스에서 효율적으로 사용할 수 있습니다.

  • 모든 AI 프레임워크 – 가속화

    딥러닝 프레임워크는 높은 수준의 프로그래밍 인터페이스를 통하여 심층신경망의 디자인,
    트레이닝, 검증을 위한 빌딩 블록을 제공합니다. Caffe2, Chainer, Microsofte Cognitive Tookit, MxNet, PaddlePaddle, Pytorch, TensorFlow와 같은 모든 주 딥러닝 프레임워크는 고성능 멀티 GPU 가속화 트레이닝을 진행하기 위해 딥러닝 SDK 라이브러리에 의존합니다. 프레임워크 유저가 GPU를 트레이닝에 사용하는 것은 프레임워크를 다운로드하고 지시하는 것만큼 간단합니다.
    딥러닝 프레임워크에 대해 더 알아보세요. 또한 빠르게 시작하기 위한 예시들을 탐색해 보세요.

    img
  • 통합된 개발자 플랫폼 – 개발에서 구축까지

    딥러닝 프레임워크는 Titan V 데스크탑 개발자 GPU에서 데이터 센터 등급 Tesla GPU까지
    모든 GPU 플랫폼을 위해 최적화되었습니다. 이것은 연구자와 데이터 과학자팀이 작은 규모로 시작하여, 데이터, 실험 횟수, 모델 및 팀 규모가 성장함에 따라 규모를 확장할 수 있게 합니다. 딥러닝 SDK 라이브러리는 모든 NVIDIA GPU 플랫폼에 걸쳐 API에 호환 가능하기 때문에,
    한 모델이 특정 어플리케이션에 통합될 준비가 되었을 때, 개발자는 데스크탑 상에서 로컬로 테스트하거나 검토할 수 있으며, 최소한으로 코드의 변화 없이 Tesla 데이터 센터 플랫폼, Jetson 임베디드 플랫폼, 또는 DRIVE 자율주행 플랫폼으로 배포됩니다. 이는 프로토타입에서 제작으로 들어갈 때, 개발자의 생산성을 높이고 버그의 발생을 줄입니다.

    img

AI를 적용하는 방법

NVIDIA Deep Learning Institute (DLI)는 인공지능(AI)에서 실제 문제들을 해결하기 위한 실무적인 트레이닝을 제공합니다.
디지털 콘텐츠 생성, 헬스케어, 지능형 비디오 분석과 같은 산업분야에서 딥러닝의 기본원칙과 응용 딥러닝을 다루는 자율 온라인 코스를 편리한 시간에 시작하세요.
또한 개발 도구를 완비하고 딥러닝 프레임워크와 예제 코드와 데이터 셋을 최적화함으로써, DLI는 클라우드에서 완전히 구성된 GPU 가속화 시스템으로의 엑세스를 제공합니다.
웹 브라우저 하나면 몇 분 안에 시작할 수 있습니다.

Machine Learning

NVIDIA는 전적으로 GPU에서 엔드 투 엔드 데이터 과학 파이프 라인을 가속화하는 기계 학습 및 분석 소프트웨어 라이브러리 제품군을 제공합니다. 이 작업은 CUDA 개발에서
15년 이상 사용할 수 있습니다. GPU 가속 라이브러리는 저수준 CUDA 프리미티브의 장점을 추상화합니다. 선형 대수학, 고급 수학, 병렬 알고리즘 등과 같은 라이브러리는 연산 집약적인 응용 프로그램의 생태계를위한 기반을 마련합니다.

NVIDIA의 라이브러리를 사용하면 정기적으로 확장되고 최적화 된 알고리즘을 매우 효율적으로 구현할 수 있습니다. 새로운 응용 프로그램을 만들거나 기존 응용 프로그램의 속도를 향상시키려는 경우 엔 NVIDIA 라이브러리가 GPU를 시작하는 가장 쉬운 방법을 제공합니다. NVIDIA 라이브러리는 CUDA 툴킷의 일부로 다운로드 할 수 있습니다.

Linear Algebra and Math libraries
  • cuBLAS

    표준 기본 선형 대수 서브 루틴 (BLAS)의 빠른
    GPU 가속 구현

  • cuSPARSE

    스파 스 매트릭스에 GPU 가속 기본 선형 대수
    서브 루틴 제공

  • cuSOLVER

    선형 최적화 어플리케이션을 가속화하기위한
    고밀도 스파 스 직접 솔버 컬렉션

Parallel Algorithm Libraries
  • NCCL

    NVIDIA GPU에서 성능 최적화 된 다중 GPU
    및 다중 노드 집단 통신 프리미티브 구현

  • Thrust

    개발자 생산성 향상을 위해 GPU 프로그래밍을 위한
    유연하고 고급스러운 인터페이스 제공

RAPIDS

새로운 데이터 과학 개발자의 대부분은 RAPIDS라는 오픈 소스 프로젝트를 강화하는 데 중점을두고 있습니다. RAPIDS는 저수준 컴퓨팅 최적화를 위해 NVIDIA CUDA 프리미티브를 사용하지만 사용자 친화적 인 Python 인터페이스를 통해 GPU 병렬 처리 및 고 대역폭 메모리 속도를 제공합니다.

또한 RAPIDS는 분석 및 데이터 과학을위한 일반적인 데이터 준비 작업에 중점을 둡니다. 여기에는 일반적인 직렬화 비용을 지불하지 않고 종단 간 파이프 라인 가속을 위한 다양한 시스템 학습 알고리즘과 통합되는 친숙한 DataFrame API가 포함됩니다.

라이브러리
  • 분석

    cuDF는 모델 트레이닝 데이터 준비를 위해 데이터로드, 필터링 및조작을 가속화 하는 Apache Arrow를 기반으로하는 DataFrame 조작라이브러리입니다.
    코어 가속화 된 CUDA DataFrame 조작 프리미티브의 파이썬 바인딩은 팬더 사용자의 원활한 온 보딩을 위해 팬더 인터페이스를 반영합니다.

  • 머신러닝

    cuML은 scikit-learn에서 사용할 수있는 모든 기계 학습 알고리즘의 GPU 버전을 제공하는 GPU 가속 기계 학습 라이브러리 모음입니다.

  • 그래프 분석

    nvGRAPH는 RAPIDS 데이터 과학 플랫폼에 완벽하게 통합되는 그래프 분석 라이브러리 모음입니다.

RAPIDS 특징

  • 편리한 통합

    학습을 위한 새로운 툴 없이 최소한의 코드 변경으로 파이썬
    데이터 사이언스 툴체인을 가속화하세요.

  • Top Model Accuracy

    모델에서 처리를 빠르게 반복하고 더 자주 배치하여
    머신러닝 모델 정확도를 높입니다.

  • 단축된 트레이닝 시간

    상호작용하는 데이터 사이언스로 생산성을 대폭 향상시킬
    수 있습니다.

  • 오픈소스

    주문 제작 형, 확장 가능성, 상호 운용적 – 오픈소스 소프트웨어는 NVIDIA에서
    지원하며, Apache Arrow에 의해 구축됩니다.

Get Started

RAPIDS를 사용하는 GPU상에서 가속화된 머신러닝 및 데이터 사이언스를 경험해 보십시오. RAPIDS 사이트 바로가기