GPU与CPU类似,只不过GPU是专为执行复杂的数学和几何计算而设计的,这些计算是图形渲染所必需的。GPU技术比较高端,但是它的应用却无处不在,通过GPU加速高性能计算正在将从大型计算机发展到台式机以及桌边型计算机上。
在过去两年中,机器学习已经成为Amazon、百度和Facebook等数据中心巨头的一种战略性工作负载。  
AMD计划公布一项基于采用更开放的组件的独特计划。除了新的开源加速库之外,AMD还将开放GPU指令集,针对那些希望做低等级优化的工程师们。AMD将在面向机器学习的GPU领域“引发以前从来没有过的竞争”,Tirias Research高级分析师表示。 …[阅读全文]
GPU跟着深度学习一起“火”了
看似GPU已经在人工智能的加速计算中占主导地位,那么,未来人工智能的硬件加速也一定由GPU承担吗?事实并非如此,业内已经存在各种具备竞争力的替代解决方案。谷歌在2016年5月末召开的I/O大会披露了TPU(Tensor Processing Unit)专用处理器项目。…[阅读全文]
GPU集群大会:一场高性能计算的头脑风暴
伴随着中国高性能计算、人工智能和专业图形市场需求的同步发展,联泰集群在市场、销售、技术支持等多个层面和英伟达、迈络思密切协作,为专业计算客户提供最为优质的产品和服务,共同推动了高性能计算从科研到应用的决定性转变。 …[阅读全文]

小结

 深度学习是高性能计算在2016年井喷的突破口,GPU在包括金融、医疗等行业的实际应用,将是GPU集群创造更多奇迹的试验田。