TESLA

기계 학습

업계와 학계의 데이터 과학자들이 기계 학습에 GPU를 이용하여 이미지 분류, 비디오 분석, 음성 인식, 자연 언어 처리 등의 다양한 분야에서 획기적인 성과를 얻고 있습니다. 그 중에서도 심층 학습 영역은 여러 층으로 구성된 정교한 '심층' 신경망을 사용하여 대량의 미분류 트레이닝 데이터로부터 특징을 포착할 수 있으며, 이에 대한 대규모 투자와 연구가 이루어지고 있습니다.  

기계 학습은 이미 수십 년에 걸쳐 발전해 왔지만, 비교적 최근에 등장한 두 가지 추세가 기계 학습의 광범위한 활용에 결정적인 역할을 했습니다. 하나는 대량의 트레이닝 데이터를 이용할 수 있게 된 것이고, 다른 하나는 GPU 컴퓨팅을 통해 제공되는 강력하고 효율적인 병렬 컴퓨팅 능력입니다. GPU는 전과 비교할 수 없을 정도로 방대한 트레이닝 데이터를 사용하여 적은 데이터 센터 인프라로 훨씬 짧은 시간에 심층 신경망을 학습시킵니다. GPU는 이러한 훈련된 기계 학습 모델을 실행하여 클라우드에서 분류와 예측을 수행하며 더 적은 전력과 인프라로 더 많은 데이터 처리를 지원하고 있습니다.

기계 학습에 GPU 가속기를 앞서 채택한 얼리어답터 중에는 대형 웹 및 소셜 미디어 회사, 데이터 과학 및 기계 학습 분야를 이끄는 선구적인 연구 기관 등이 포함됩니다. CPU만 단독으로 사용할 경우와 비교했을 때, 수천 개의 컴퓨팅 코어와10-100x 애플리케이션 처리량을 지원하는 GPU는 갈수록 빅 데이터를 처리하는 데이터 과학자들에게 인기를 끌고 있습니다.

 

기계 학습 애플리케이션 벤치마크

기계 학습 애플리케이션 벤치마크

"GPU를 사용하면 녹음된 음성이나 멀티미디어 콘텐츠를 훨씬 빠르게 옮길 수 있습니다.
CPU 구현에 비해 인식 속도가 33배까지도 올라갑니다."

이안 레인(Ian Lane) 교수, 카네기 멜론 대학

 
 

데이터 과학자들이 기계 학습 분야에서 얻고 있는 연구 성과를 확인하고, 처음 시작할 때 도움이 되는 도구, 소프트웨어 프레임워크, 컴퓨팅 구성에 대해서도 알아보세요.

 
 
기계 학습 도구
  • Caffe: 컨볼루션 신경망 알고리즘을 위한 프레임워크
  • cuda-convnet: 컨볼루션 신경망의 고성능 C++/CUDA 구현
  • Theano: 수식을 정의, 최적화, 평가하기 위한 Python 라이브러리
  • Torch7: 기계 학습 알고리즘을 위한 과학적 컴퓨팅 프레임워크 
  • cuBLAS: 표준 BLAS 라이브러리 전체의 GPU 가속 버전
  • MATLAB: 간편하게 사용할 수 있는 HPC 언어 통합 연산, 시각화 및 프로그래밍
  • cxxnet: 신경망 툴킷
기계 학습에 관한 최신 기사
기계 학습에 관한 기술 토크
 
기계 학습에 관한 기술 백서
 
GPU를 기계 학습에 사용하는 회사와 연구 기관
Adobe Baidu Facebook Flickr IBM
Microsoft Netflix Nuance Yandex  
 
개발 워크스테이션
트레이닝 클러스터 트레이닝 클러스터
2x NVIDIA Tesla K40 GPU 가속기 8x NVIDIA Tesla K40 GPU 가속기
2x Intel Xeon CPU(8코어 이상) 2x Intel Xeon CPU(8코어 이상)
64GB 시스템 메모리 256GB 시스템 메모리
 

구성 옵션

구성 옵션
 
 

GPU 가속기 구입에 대한 자세한 내용은 Tesla 구입처 페이지에서 확인할 수 있습니다.