| Maj 2022 r. |
MlPerf Inference v2.0 Edge — obciążenia robocze obsługiwane przez serwery Dell PowerEdge |
| Maj 2022 r. |
Wydajność serwera Dell PowerEdge R750xa dla mlPerf™ Inference 2.0 |
| Maj 2022 r. |
Przegląd wnioskowania MLPerf™ w wersji 2.0 |
| Maj 2022 r. |
Wydajność wielu serwerów Dell PowerEdge z mlPerfTM Training 1.1 |
| Maj 2022 r. |
Wydajność głębokiego uczenia przy użyciu testu porównawczego MLPerf™ Training 1.1 |
| Maj 2022 r. |
Wydajność serwera Dell PowerEdge R750xa dla mlPerf™ Inference 2.0 |
| Grudzień 2021 r. |
Określanie wydajności serwerów Dell EMC PowerEdge R7525 z kartami graficznymi NVIDIA A100 do wnioskowania głębokiego uczenia |
| Grudzień 2021 r. |
Uruchamianie testu porównawczego MLPerf Inference 0.7 w systemach Dell EMC |
| Grudzień 2021 r. |
Wydajność głębokiego uczenia przy użyciu testu porównawczego MLPerf Inference 0.7 |
| Grudzień 2021 r. |
Wprowadzenie do wydajności MLPerf Inference 1.0 z serwerem Dell EMC |
| Grudzień 2021 r. |
Serwery Dell EMC Excel w testach porównawczych MLPerf Training v1.0 |
| Grudzień 2021 r. |
Wydajność głębokiego uczenia na szkoleniach MLPerf 1.0 z serwerem Dell EMC DSS 8440 |
| Grudzień 2021 r. |
Uruchamianie testu porównawczego MLPerf Inference 1.1 w systemie Dell EMC |
| Grudzień 2021 r. |
Wprowadzenie do wnioskowania MLPerf 1.1 z serwerem Dell EMC |
| Grudzień 2021 r. |
Porównanie wyników wnioskowania MLPerf™ 1.1 dla serwerów Dell EMC PowerEdge R7525 z procesorami graficznymi NVIDIA |
| Grudzień 2021 r. |
Porównanie wyników wnioskowania zgłoszeń dell technologies dla MLPerf 1.0 i MLPerf 1.1 |
| Lipiec 2021 r. |
Serwer Dell EMC DSS 8440 z kartą graficzną NVIDIA RTX dla HPC i obciążeń roboczych AI |
| Lipiec 2021 r. |
Wprowadzenie do wydajności MLPerf™ Inference 1.0 z serwerami Dell EMC |
| Lipiec 2021 r. |
Uruchamianie testu porównawczego MLPerf™ Inference 1.0 w systemach Dell EMC |
| Lipiec 2021 r. |
Rozwiązania Dell EMC Ready dla SI — głębokie uczenie się z technologią NVIDIA |
| Lis 2020 r. |
Wydajność szkoleń głębokiego uczenia na serwerach Dell EMC PowerEdge R7525 z kartami graficznymi NVIDIA A100 |
| Lis 2020 r. |
Serwery Dell EMC Shine w testach porównawczych MLPerf Inference 0.7 |
| Lis 2020 r. |
Wydajność głębokiego uczenia przy użyciu testu porównawczego MLPerf Inference 0.7 |
| Lis 2020 r. |
Uruchamianie testu porównawczego MLPerf Inference 0.7 w systemach Dell EMC |
| Lis 2020 r. |
Wydajność aplikacji HPC na serwerach Dell PowerEdge R7525 z kartami graficznymi NVIDIA A100 |
| Lis 2020 r. |
Określanie wydajności serwerów Dell EMC PowerEdge R7525 z kartami graficznymi NVIDIA A100 do wnioskowania głębokiego uczenia |
| Paź 2020 r. |
Nadanie komputerom głosu |
| Lip 2020 |
Uczenie się nie liniowej dynamiki przestrzenno-czasowej z konvolutional Neural ODE |
| Cze 2020 |
Serwer Dell EMC DSS 8440 z kartą graficzną NVIDIA RTX dla HPC i obciążeń roboczych AI |
| Maj 2020 |
Wydajność HPC i AI na komputerach DSS8440 z kartami graficznymi V100S |
| Lut 2020 |
Architektura Dell EMC HPC Ready dla AI i analizy danych |
| Lis 2019 |
Szybkie szkolenie radiologów AI |
| Lis 2019 |
Wydajność głębokiego uczenia przy kartach graficznych V100, badanie przy użyciu testów MLPerf Training v0.6 |
| Lis 2019 |
Wydajność głębokiego uczenia przy kartach graficznych T4, badanie przy użyciu testów MLPerf Inference v0.5 |
| Lis 2019 |
Udowadnianie niemożliwego — przetwarzanie języka naturalnego — opracowanie |
| Lis 2019 |
Testowanie silników rekomendacji w laboratorium innowacji Dell EMC HPC i SI — opracowanie |
| Paź 2019 |
Porady i wskazówki pozwalające zoptymalizować przepływ pracy przy użyciu TF i Horovod w procesorach GPU |
| Paź 2019 |
Równoległe szkolenie ograniczonych maszyn Boltzmanna za pomocą łańcucha Markova dla metod Monte Carlo |
| Paź 2019 |
Szkolenie radiologicznej SI z użyciem rozproszonego głębokiego uczenia i kart graficznych Nvidia |
|
| Paź 2019 |
Skalowanie wydajności i szkolenie CheXNet przy użyciu rozwiązań od zera i Kubernetes |
|
| Paź 2019 |
Techniki optymalizacji szkolenia CheXNet na komputerach Dell C4140 z kartami graficznymi Nvidia V100 |
|
| Paź 2019 |
Testowanie kontenerów w rozwiązaniu głębokiego uczenia |
|
| Sie 2019 |
Włączanie obciążeń SI w środowiskach HPC |
| Lip 2019 |
Sztuczna inteligencja dla przedsiębiorstw: Spojrzenie na trzy podstawowe podejścia do głębokiego uczenia |
| Lip 2019 |
Wprowadzanie głębokiego uczenia na dużą skalę w obrazowaniu medycznym |
| Cze 2019 |
Rozwiązanie Dell EMC Ready dla SI |
| Cze 2019 |
Przetwarzanie języka naturalnego może stanowić klucz do transformacji cyfrowej firmy |
| Maj 2019 |
Wydajność głębokiego uczenia przy kartach graficznych V100 i modelu ResNet-50 |
| Maj 2019 |
Szybsza obsługa obciążeń roboczych głębokiego uczenia dzięki skalowalnym procesorom Intel Xeon drugiej generacji |
| Kwi 2019 |
Sztuczna inteligencja dla przedsiębiorstw: Rozpoczynanie nauki maszynowej |
| Kwi 2019 |
Proste, skalowalne, konteneryzowane głębokie uczenie przy użyciu Nauta |
| Kwi 2019 |
Szybszy wgląd dzięki skalowalnym procesorom Intel® Xeon® drugiej generacji z technologią Deep Learning Boost |
| Kwi 2019 |
Ułatwianie naukowcom korzystania z SI, HPC i kartami graficznymi podczas pracy z danymi |
| Mar 2019 |
Wydajność głębokiego uczenia przy kartach graficznych T4, badanie przy użyciu testów MLPerf |
| Mar 2019 |
WNIOSKOWANIE przy użyciu NVIDIA T4 |
| Gru 2018 |
Wydajność głębokiego uczenia na komputerach PowerEdge C4140 w konfiguracji M |
| Sie 2018 |
Rozwiązania Dell EMC Ready dla SI — głębokie uczenie z rozwiązaniami NVIDIA |
|
| Lip 2018 |
Wideo Dell EMC Data Science Provisioning Portal |
| Mar 2018 |
Wydajność głębokiego uczenia z technologią Intel® Caffe — szkolenia, wybór modelu procesora i skalowalność |
| Lut 2018 |
Głębokie uczenie na komputerach R740 z kartami graficznymi V100 |
| Lis 2017 |
Skalowanie głębokiego uczenia na wielu węzłach V100 |
| Wrz 2017 |
Głębokie uczenie przy użyciu kart graficznych V100 |
