强化GPU视觉计算 NVIDIA战略打造深度学习生态链

2015年4月15日NVIDIA发布了基于GPU计算的深度学习战略，旨在推动GPU深度学习生态链建设的业务布局和进展。同时，NVIDIA展示了下一代 Pascal GPU架构在深度学习应用现状。曙光信息产业股份有限公司副总裁沙超群、北京航空航天大学教授 、国家"十二五 863计划高效能计算机及应用服务环境" 重大项目总体组组长钱德沛教授、上海交通大学高性能计算中心副主任林新华作为用户和合作伙伴，分享了基于NVIDIA的GPU深度学习应用。

[[132182]]

NVIDIA全球副总裁、PSG兼云计算业务中国区总经理Ashok Pandey

深度学习指的是计算机使用神经网络自主学习的过程，随着非机构化数据的大幅增长，图形图像的计算分析需求水涨船高。潘迪先生表示，当前65%的数据中心在考虑加速计算，GPU已经不仅是解决生物医学、碰撞模型等特殊应用场景，而进入各行各业。

[[132183]]

NVIDIA展示了其面向全球发布的四大有助于推动深度学习发展的新产品和方案，包括 GeForce GTX TITAN X：全球最快GPU；DIGITS DevBox：针对研究人员的深度学习平台；下一代GPU 架构Pascal：加速深度学习；DRIVE PX：——用于自动驾驶汽车的深度学习平台，这四款平台为深度学习的研究提供强大的基础平台和动力支持。

 NVIDIA此前公布的新一代旗舰显卡GeForce Titan X采用80亿个晶体管，是为训练深度神经网络而开发的***大的处理器，目前是全球最快的GPU。潘迪表示，在TITAN X 上能以 4K 的超高画质呈现*** AAA 游戏大作的瑰丽画面，同样特别适合用于深度学习。

[[132184]]

近几年GPU不断加速，大幅提高深度学习的精准度。在应用领域，深度学习的研究将逐渐改变人们的生活方式。NVIDIA与众多科技巨头合作，推出基于GPU的深度学习系统，大幅提高图像、语音识别的准确率，并应用到实际的产品当中。

[[132185]]

针对深度学习领域，Pascal 架构可进行混合精度的计算任务，其三大设计特色将大幅加快训练速度，精准地训练更丰富的深度神经网络。

[[132186]]NVIDIA中国区技术经理赖俊杰现场以图片上识别杯子的例子，展示了使用深度神经网络训练电脑教自己如何分类和识别物体，是一件繁重又费时的事情。通过DIGITS 深度学习 GPU 训练系统软件为用户提供所需数据，协助建立优化的深度神经网络，使图形图像的识别更为简易。

正如此次发布会的主题，面向当今图形图像分析的强大需求，NVIDIA结合GPU的特点，通过推动GPU深度学习，构建生态链建设，打造更为简化的视觉计算体验。