Jump to content

Search the Community

Showing results for tags 'deep learning'.

  • Search By Tags

    Type tags separated by commas.
  • Search By Author

Content Type


Categories

  • Δελτία Τύπου
  • Ειδήσεις
  • Hardware
  • Windows
  • Linux
  • Apps
  • Gaming
  • Geek
  • Ασφάλεια
  • Διαδίκτυο
  • Crypto
  • Κινητά
  • Επιστήμη
  • Tech Industry
  • Home Entertaiment
  • Προσφορές
  • Consumer's bulletin
  • Press Releases in English

Categories

  • Cases Reviews
  • Heatsinks, Coolers & Watercooling Reviews
  • Input Devices & Peripherals Reviews
  • Barebones, NAS, Media Players Reviews
  • SSDs, HDDs and Controllers Reviews
  • Smartphones, Tablets and Gadgets Reviews
  • VGAs, Motherboards, CPUs & RAM Reviews
  • Power Supplies Reviews
  • Software & Games Reviews
  • Από το Εργαστήρι
  • Reviews in English

Categories

  • Desktop - Laptop
  • Monitors - TVs
  • Hardware Parts
  • Peripherals
  • Gaming Consoles
  • Mobile Devices
  • Gadgets
  • Hand - Electric Tools
  • Ζήτηση
  • Προσφορά και ζήτηση εργασίας

Forums

  • TheLab.gr
    • Thelab.gr Νέα και σχόλια
    • Παρουσιάσεις Μελών
    • Από το Εργαστήρι
    • Τεχνολογικοί Προβληματισμοί
    • Δημοσκοπήσεις
  • Hardware & Overclocking
    • Intel Platform
    • AMD Platform
    • Κάρτες Γραφικών
    • Μνήμες RAM DDR/DDR2/DDR3/DDR4/DDR5
    • Συσκευές Αποθήκευσης
    • Κουτιά
    • Ψύξη
    • Τροφοδοτικά
    • Γενικά για Η/Υ
    • Modding & DIY
    • Μετρήσεις & Αποτελέσματα Υπερχρονισμών
  • Εργαλεία και Ιδιοκατασκευές (DIY)
    • Το στέκι του μάστορα
  • Περιφερειακά
    • Οθόνες & Projectors
    • Πληκτρολόγια και ποντίκια
    • Ήχος και Multimedia
    • Εκτυπωτές
    • Λοιπά Περιφερειακά
    • Τεχνολογία VR
  • Software & Δίκτυα
    • Windows
    • Linux
    • Mac OS
    • Δίκτυα
    • Internet & Τηλεφωνία
    • Antivirus & Security
  • Gaming
    • PC Gaming
    • Steam & άλλες κοινότητες
    • Console & Handheld Gaming
  • Κινητές πλατφόρμες
    • Φορητοί υπολογιστές
    • Smartphones
    • Tablets
    • Gadgets
  • Φωτογραφία κι εξοπλισμός
    • Φωτογραφικές μηχανές και λοιπά αξεσουάρ
    • Φωτογραφίες, επεξεργασία και δοκιμές
  • IT Section
    • Servers - Ηardware & Cloud Apps
    • Server OS & Virtualisation
    • Networking
    • Programming - Scripting & Databases
    • Web Development & DTP
  • Προσφορές & καταστήματα
    • Προσφορές και ευκαιρίες αγορών
    • Τι-Που-Πόσο
  • Γενική Συζήτηση
    • Off topic
    • The Jungle
    • Forum Δοκιμών
    • Αρχείο

Blogs

  • in|security
  • freesoft.gr
  • Virtual[DJD]
  • Οι αυτοματισμοί του τεμπέλη...
  • test1
  • Advertorial
  • InfoLab

Find results in...

Find results that contain...


Date Created

  • Start

    End


Last Updated

  • Start

    End


Filter by number of...

Joined

  • Start

    End


Group


Skype


Website URL


Περιοχή


Ενδιαφέροντα


Επάγγελμα


Steam


Biography

Found 4 results

  1. Ένα νέο commit για το πρόγραμμα οδήγησης Linux VPU σήμερα επιβεβαιώνει ότι η εταιρεία σχεδιάζει να εισαγάγει μια νέα μονάδα επεξεργασίας σε επεξεργαστές πυρήνα 14ης γενιάς καταναλωτών, μια Eυέλικτη Mονάδα Eπεξεργασίας (VPU - Versatile Processing Unit). Το πρόγραμμα οδήγησης VPU περιλαμβάνεται στο Linux Direct Rendering Manager (DRM), με τον ίδιο τρόπο που ενσωματώνεται το πρόγραμμα οδήγησης γραφικών. Το VPU εμφανίζεται 6 χρόνια αφότου η Intel εξαγόρασε μια εταιρεία που ονομάζεται Movidius, η οποία αναπτύσσει τις δικές της VPU. Δεν είναι απολύτως σαφές εάν και πώς η Intel σκοπεύει να ενσωματώσει σχέδια Movidius στο Meteor Lake, θα μπορούσε να είναι μια ολοκληρωμένη ενσωμάτωση τύπου SoC ή απλώς ένα αντίγραφο των κομματιών αρχιτεκτονικής που χρειάζονται για το Meteor Lake. Προφανώς μετά από τόσα χρόνια, ο σχεδιασμός VPU θα πρέπει να είναι πολύ πιο περίπλοκος. Η επιβεβαίωση για το VPU προέρχεται από τις ενημερώσεις κώδικα στο Kerner.org, όπου προστίθεται η ακόλουθη περιγραφή: Έτσι, η Intel επιβεβαιώνει ότι το νέο VPU έχει πέντε στοιχεία, συμπεριλαμβανομένης της μονάδας ενσωμάτωσης CPU σε VPU, διαχείριση μνήμης, ελεγκτή RISC, δίκτυο σε τσιπ (NoC) και το πιο σημαντικό μέρος, το Neural Compute Subsystem (NCS) που κάνει την πραγματική δουλειά. Αυτή η μονάδα VPU θα μπορούσε να θεωρηθεί η εναλλακτική της Intel για τους Tensor Cores της NVIDIA, ένα αποκλειστικό τσιπ που επικεντρώνεται σε μεγάλο βαθμό στους αλγόριθμους AI. Το Intel Meteor Lake έρχεται πλέον επίσημα το επόμενο έτος, τελικά θα γίνει διαθέσιμο για φορητούς και επιτραπέζιους υπολογιστές το οποίο θα φέρει νέα υβριδική αρχιτεκτονική με πυρήνες CPU Redwood Cove και Crestmont και τη νεότερη αρχιτεκτονική γραφικών Xe-LPG της Intel.
  2. Η Nvidia ανακοίνωσε την νέα της κάρτα γραφικών Titan RTX, αρχιτεκτονικής Turing, την δυνατότερη desktop κάρτα γραφικών, σύμφωνα με την εταιρία, κατάλληλη για έρευνα στην τεχνητή νοημοσύνη, την επιστήμη και πλήθος επαγγελματικών εφαρμογών. Η υπολογιστική ισχύ της κάρτας φτάνει τα 130 teraflops, ενώ σε raytracing επιτυγχάνει 11 GigaRays. Οι επιδόσεις αυτές πάντως δεν έρχονται τζάμπα, με την κάρτα να κοστολογείται από την Nvidia στα 2499 δολάρια. Η νέα Titan χρησιμοποιεί την TU102 GPU που βρίσκεται και στην RTX 2080 Ti κάρτα γραφικών, αλλά με την GPU στην RTX 2080 Ti να είναι μια κάπως πιο κομμένη έκδοση από αυτή της Titan. Έτσι η Titan διαθέτει περισσότερους CUDA και Tensor cores, ενώ και το memory bus είναι πλέον 384bit. Υψηλότερη είναι και η Turbo συχνότητα της GPU, ενώ η μνήμη της κάρτας φτάνει τα 24GB, ποσότητα υπερδιπλάσια έναντι αυτής που διαθέτει η RTX 2080 Ti. Μια ακόμα σημαντική διαφορά εντοπίζεται στις επιδόσεις των Tensor πυρήνων, οι οποίες επίσης είναι υπερδιπλάσιες αυτών που επιτυγχάνει η RTX 2080 Ti. Οι επιδόσεις αυτές φέρνουν την Titan στα επίπεδα της Quadro RTX 6000, καθιστώντας την ιδανική επιλογή για τους ερευνητές και προγραμματιστές που δουλεύουν πάνω στην τεχνητή νοημοσύνη, με νευρωνικά δίκτυα, αλλά και μεγάλα σύνολα δεδομένων. Παρακάτω μπορείτε να δείτε μια σύγκριση των τεχνικών χαρακτηριστικών της νέας Titan RTX, με τις Titan V, RTX 2080 Ti Founders Edition και Tesla V100(PCIe). NVIDIA Compute Accelerator Specification Comparison Titan RTX Titan V RTX 2080 Ti Founders Edition Tesla V100 (PCIe) CUDA Cores 4608 5120 4352 5120 Tensor Cores 576 640 544 640 Core Clock 1350MHz 1200MHz 1350MHz ? Boost Clock 1770MHz 1455MHz 1635MHz 1370MHz Memory Clock 14Gbps GDDR6 1.7Gbps HBM2 14Gbps GDDR6 1.75Gbps HBM2 Memory Bus Width 384-bit 3072-bit 352-bit 4096-bit Memory Bandwidth 672GB/sec 653GB/sec 616GB/sec 900GB/sec VRAM 24GB 12GB 11GB 16GB L2 Cache 6MB 4.5MB 5.5MB 6MB Single Precision 16.3 TFLOPS 13.8 TFLOPS 14.2 TFLOPS 14 TFLOPS Double Precision 0.51 TFLOPS 6.9 TFLOPS 0.44 TFLOPS 7 TFLOPS Tensor Performance (FP16 w/FP32 Acc) 130 TFLOPS 110 TFLOPS 57 TFLOPS 112 TFLOPS GPU TU102 (754mm2) GV100 (815mm2) TU102 (754mm2) GV100 (815mm2) Transistor Count 18.6B 21.1B 18.6B 21.1B TDP 280W 250W 260W 250W Form Factor PCIe PCIe PCIe PCIe Cooling Active Active Active Passive Manufacturing Process TSMC 12nm FFN TSMC 12nm FFN TSMC 12nm FFN TSMC 12nm FFN Architecture Turing Volta Turing Volta Launch Date 12/2018 12/07/2017 09/20/2018 Q3'17 Price $2499 $2999 $1199 ~$10000 Όσον αφορά την σχεδίαση της κάρτας, αυτή ακολουθάει την σχεδίαση που είδαμε με τις νέες RTX κάρτες, με σύστημα ψύξης δύο ανεμιστήρων, αλλά σε χρυσαφί χρώμα ώστε να ξεχωρίζει από τις κάρτες της σειράς GeForce. Διαθέτει τέσσερις εξόδους εικόνας, τρεις DisplayPorts 1.4 και μία HDMI 2.0b, καθώς και μια ακόμα USB C, η οποία υποστηρίζει τόσο DisplayPort σήμα, όσο και VirtualLink για headsets εικονικής πραγματικότητας. Η κάρτα θα γίνει διαθέσιμη μέσω της ιστοσελίδας της Nvidia εντός του μήνα.
  3. Η Nvidia έχει ποντάρει πολλά στον τομέα της τεχνητής νοημοσύνης, παρουσιάζοντας κατά καιρούς νέα παραδείγματα εφαρμογής της. Το τελευταίο σχετικό παράδειγμα είναι αυτό της μετατροπής ενός τυπικού βίντεο, για παράδειγμα των 30 καρέ ανά δευτερόλεπτο, σε βίντεο super slow motion με 240 ή 480 καρέ το δευτερόλεπτο. Μάλιστα οι ερευνητές της Nvidia πιστεύουν ότι το τελικό αποτέλεσμα που επιτυγχάνει η τεχνική τους, είναι καλύτερο ακόμα και από αυτό που επιτυγχάνει κάποιος χρησιμοποιώντας ιδιαίτερα ακριβό εξοπλισμό για την λήψη super slow motion βίντεο. Αν και υπάρχουν σχετικά φίλτρα για την δημιουργία slow motion βίντεο από συνηθισμένα βίντεο, το τελικό αποτέλεσμα συνήθως δεν είναι ιδιαίτερα ποιοτικό, με σπαστή και αφύσικη κίνηση. Οι ερευνητές της Nvidia, σε συνεργασία με ερευνητές από τα πανεπιστήμια της Μασαχουσέτης και της Καλιφόρνιας, ανέπτυξαν μια τεχνική η οποία χρησιμοποιεί τεχνητή νοημοσύνη προκειμένου να δημιουργήσουν super slow motion βίντεο με ιδιαίτερα ομαλή και φυσική κίνηση. Η τεχνική, που φέρει την ονομασία "variable-length multi-frame interpolation", συνδυάζει δύο νευρωνικά δίκτυα, προκειμένου να ανιχνευτούν τα αντικείμενα τα οποία κινούνται και η θέση που θα έχουν αυτά στα ενδιάμεσα καρέ που θα δημιουργηθούν. Εν συνεχεία αφαιρούνται από τα καρέ τα pixels τα οποία καλύπτονται από αντικείμενα, μειώνοντας έτσι στο τελικό αποτέλεσμα τα artifacts που θα μπορούσαν να έχουν δημιουργηθεί. Οι ερευνητές χρησιμοποίησαν κάρτες Nvidia Tesla V100 και ένα cuDNN-accelerated PyTorch deep learning framework, προκειμένου να πετύχουν ένα τελικό αποτέλεσμα το οποίο θεωρείται ποιοτικότερο ακόμα και από αυτό που μπορεί να επιτύχει κάποιος με ακριβό εξοπλισμό, ειδικά για την δουλειά αυτή. Μια ιδέα μπορείτε να πάρετε από το παρακάτω βίντεο.
  4. Η Google, μέσω του Deep Learning AI Project της, έρχεται να προσφέρει σημαντική βοήθεια στην ταχεία και με ακρίβεια επιβεβαίωση ή όχι ύπαρξης ενός καρκίνου, αξιοποιώντας αλγορίθμους αναγνώρισης εικόνας που ανέπτυξε αρχικά για χρήση σε αυτόνομα αμάξια. Η ταχεία και σωστή εξακρίβωση του αν κάποιος πάσχει από καρκίνο, είναι ζωτικής σημασίας προκειμένου να υπάρχουν σημαντικά υψηλότερες πιθανότητες αντιμετώπισης του καρκίνου αυτού. Αλλά σήμερα, ακόμα και παθολόγοι με μεγάλη εμπειρία, δεν συμφωνούν πάντα στην διάγνωσή τους παρατηρώντας τις ίδιες διαφάνειες. Το ποσοστό συμφωνίας φτάνει μόλις το 48%. Ακόμα περισσότερο, ένας παθολόγος που πρέπει να κοιτάξει πολλαπλές φωτογραφίες των 10MPixels ή και μεγαλύτερης ανάλυσης, ενός ασθενούς, χρειάζεται αρκετό χρόνο μέχρι να καταλήξει σε κάποιο τελικό συμπέρασμα. Τα συστήματα τεχνικής νοημοσύνης της Google που αξιοποιούν αλγόριθμους αναγνώρισης εικόνας που αρχικά αναπτύχθηκαν για χρήση σε αυτόνομα αμάξια, για την αναγνώριση του δρόμου και της κίνησης, βελτιώνονται πλέον από την Google σε μια προσπάθεια να προσφερθεί ταχύτερη και ακριβέστερη διάγνωση του καρκίνου. Τα συστήματα αυτά είναι σε θέση να αναγνωρίσουν τυχόν μεταστάσεις μεγέθους 100x100 pixels σε φωτογραφίες των 100.000x100.000 pixels. Τα συστήματα της Google ακόμα επιδέχονται επιπλέον βελτιώσεις, αλλά σύμφωνα με την εταιρία είναι σε θέση να αναγνωρίσουν την ύπαρξη κάποιου καρκίνου με υψηλότερο ποσοστό επιτυχίας σε σχέση με κάποιον πεπειραμένο παθολόγο, ακόμα και αν αυτός δεν έχει κάποιο χρονικό περιθώριο. Η εταιρία επιπλέον αναφέρει ότι δεν επιχειρεί να υποκαταστήσει τους παθολόγους, αλλά απλά να τους παρέχει ένα μέσο με το οποίο θα μπορούν αυτοί να παρέχουν καλύτερες και ταχύτερες διαγνώσεις. Αναλυτικά η σχετική ανακοίνωση της Google βρίσκεται εδώ: Detecting Cancer Metastases on Gigapixel Pathology Images (20170302).pdf - Google Drive (PDF αρχείο)
×
×
  • Create New...