XLR IA Logiciel Nvidia

Solution Logiciel Nvidia :

 

Le SDK de Nvidia propose une suite de framworks  gratuits de haut niveau dédié a l’apprentissage profond et optimisé sur les architectures GPU grâce a la librairie CuDNN.  Ces logiciel sont les plus utilées dans le domaine du DL et Carri vous propose des stations et serveurs  pré-configurés avec ces logiciels, systèmes de la gamme XLR.

 

Carri peut aussi vous accompagner dans vos premiers pas.

 

De plus si vous ne souhaitez pas vous lancer tout de suite dans l’achat d’un système, Carri system vous permet de tester ces solutions.

NVIDIA DIGITS

 

Nvidia Digits vous permet de gérer de façon interactive vos données et vos modèles de DL pour la classification d’images, la détection d’objets et la segmentation d’images, sans recourir au codage.

 

DIGITS simplifie les tâches courantes d’apprentissage en profondeur tel que la gestion des données, la conception et la formation de réseaux de neurones sur les systèmes multi-GPU, le suivi des performances en temps réel avec des visualisations avancées et la sélection du modèle le plus performant à partir du navigateur de résultats pour le déploiement. DIGITS est complètement interactif afin que les scientifiques puissent se concentrer sur la conception et la formation de réseaux plutôt que sur la programmation et le débogage.

Caffe est Framwork pour le DL il a été conçu en prennent en compte des le départ l’expression, la vitesse et la modularité. Caffe est développé par le Centre de vision et d’apprentissage de Berkeley (BVLC), ainsi que des contributeurs communautaires et est utilisé dans le domaine de la vision par ordinateur.

 

Caffe supporte cuDNN v5 pour l’accélération GPU.

Chainer est un Framwork dédiée au DL qui est développe selon le principe de définition par exécution. Contrairement aux frameworks qui utilisent l’approche définie et exécutée, Chainer vous permet de modifier les réseaux pendant l’exécution, ce qui vous permet d’utiliser des instructions de flux de contrôle arbitraires.

 

Chainer supporte cuDNN v5.1 pour l’accélération GPU.

 

Interfaces prises en charge: Python

Deeplearning4j est la première bibliothèque d’apprentissage profond distribuée de qualité commerciale, écrite pour Java et Scala. Intégré avec Hadoop et Spark, DL4J est conçu pour être utilisé dans des environnements commerciaux sur les GPU et les CPU distribués.

Keras est une bibliothèque de réseaux neuronaux minimaliste et hautement modulaire, écrite en Python et capable de fonctionner soit avec TensorFlow, soit avec Theano. Keras a été développé en mettant l’accent sur l’expérimentation rapide.

 

La version cuDNN dépend de la version de TensorFlow et de Theano installée avec Keras.

Microsoft Cognitive Toolkit – préalablement connu sous le nom de CNTK – est une boite à outils unifiée dédiée a d’apprentissage profond, de Microsoft Recherche, qui facilite l’apprentissage et la combinaison de modèles les plus populaires sur plusieurs GPU et serveurs. Microsoft Cognitive Toolkit implémente des versions optimisées de CNN et RNN l’aprentisage dans les domaine de la voie, l’image ou le texte.

 

Microsoft Cognitive Toolkit supporte cuDNN v5.1 pour l’accélération par GPU

MatConvNet is a MATLAB toolbox implementing Convolutional Neural Networks (CNNs) for computer vision applications. It is simple, efficient, and can run and learn state-of-the-art CNNs. Many pre-trained CNNs for image classification, segmentation, face recognition, and text detection are available

MXnet est un Framework  d’apprentissage profond conçu à la fois pour l’efficacité et la flexibilité qui vous permet de mélanger de programmation symbolique et de programmation impérative pour maximiser l’efficacité et la productivité.

 

MXnet supporte cuDNN v5 pour l’accélération par GPU.

TensorFlow est une bibliothèque logiciels pour le calcul numérique basé sur des graphe de flux de données, développés par l’organisme de recherche Google Machine Intelligence.

 

TensorFlow supporte cuDNN v5.1 pour l’accélération GPU.

Theano est un compilateur d’expression mathématique qui définit, optimise et évalue efficacement les expressions mathématiques impliquant des tableaux multidimensionnels.

 

Theano supporte cuDNN v5 pour l’accélération par GPU.

 

Interfaces prises en charge: Python

Torch est un Framwork pour le calcul scientifique qui offre un large support pour les algorithmes d’apprentissage automatique (Machine Learning).

 

Torch supporte cuDNN v5 pour accélération GPU.

 

Interfaces prises en charge: C, C ++, Lua