DIGITS深度学习科技会（DIGITS深度学习科技会）

DIGITS深度学习科技会（DIGITS深度学习科技会）NVIDIA中国区企业传播高级经理金洋显存带宽限制了数据向 GPU 传输的速度。采用 3D 堆叠显存将可提高比 Maxwell 架构高出三倍的带宽和近三倍的容量，让开发人员能建立更大的神经网络，大大提升深度学习训练中带宽密集型部分的速度。Pascal 采用显存芯片逐个堆叠的技术，位置接近 GPU 而不是处理器板更往下的地方。如此就能把输出在显存与 GPU 间往返的距离从几英寸减缩到几毫米，大幅加快传输速度和拥有更好的省电表现。合精度计算 – 达到更精准的结果混合精度计算让采用 Pascal 架构的 GPU 能够在 16 位浮点精度下拥有两倍于 32 位浮点精度下的速率的计算速度。更出色的浮点计算性能特别提高了深度学习两大关键活动：分类和卷积的性能，同时又达到所需的精准度。3D 堆叠显存 – 更快的传输速度和优秀的省电表现

在今年的GTC2015大会上NVIDIA的CEO老黄就提出了Deep Learning（深度学习）的概念，而在2015年的4月15日GTC大会在北京“重演”，深度学习指的是计算机使用神经网络自主学习的过程，这个趋势的兴起让 NVIDIA 又进一步改进了原本在去年 GTC 即公布的 Pascal 架构设计内容。Pascal 架构 GPU 的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，犹如人类大脑皮层的资料结构将成为深度学习研究的基础。

NVIDIA全球副总裁兼中国区总经理张建中

再加上32GB的显存（是NVIDIA 新发布的旗舰级产品 GeForce GTX TITAN X 的 2.7 倍），Pascal 架构可进行混合精度的计算任务。它将配备 3D 堆叠显存，提升深度学习应用程序的速度性能多达5倍；另搭配 NVIDIA 的高速互连技术 NVLink 来连接两个以上的 GPU，可将深度学习的速度提升达十倍。

NVIDIA中国区高级市场总监刘念宁

合精度计算 – 达到更精准的结果

混合精度计算让采用 Pascal 架构的 GPU 能够在 16 位浮点精度下拥有两倍于 32 位浮点精度下的速率的计算速度。更出色的浮点计算性能特别提高了深度学习两大关键活动：分类和卷积的性能，同时又达到所需的精准度。

3D 堆叠显存 – 更快的传输速度和优秀的省电表现

显存带宽限制了数据向 GPU 传输的速度。采用 3D 堆叠显存将可提高比 Maxwell 架构高出三倍的带宽和近三倍的容量，让开发人员能建立更大的神经网络，大大提升深度学习训练中带宽密集型部分的速度。Pascal 采用显存芯片逐个堆叠的技术，位置接近 GPU 而不是处理器板更往下的地方。如此就能把输出在显存与 GPU 间往返的距离从几英寸减缩到几毫米，大幅加快传输速度和拥有更好的省电表现。

NVIDIA中国区企业传播高级经理金洋

NVLink – 更快的数据移动速度

Pascal 架构加入 NVLink 技术将使得 GPU 与 CPU 之间数据传输的速度，较现有的 PCI-Express 标准加快5到12倍，对于深度学习这些需要更高 GPU 间传递速度的应用程序来说是一大福音。NVLink 可将系统里的 GPU 数量增加一倍，以共同用于深度学习计算任务上；还能以新的方式连接 CPU 与 GPU，在服务器设计方面提供较 PCI-E 更出色的灵活性和省电表现。

GeForce GTX TITAN X 的另一面

Titan X 不仅可玩转精致的虚拟世界，也可胜任繁重的科研工作。TITAN X是NVIDIA全新推出的旗舰级游戏显卡，但也特别适合用于深度学习。

NVIDIA中国区技术市场经理施澄秋

两周前在旧金山举办的游戏开发者大会上让各位先睹为快 TITAN X 的身影，它以电影《霍比特人》里的史矛戈巨龙为蓝本，播放了一段名为《暗影神偷》精彩的虚拟现实体验。

在 TITAN X 上能以 4K 的超高画质呈现最新 AAA 游戏大作的瑰丽画面，可以在开启 FXAA 高设定值的情况下，以每秒40帧（40fps）运行《中土世界：暗影魔多》（Middle-earth: Shadow of Mordor）游戏，而在九月发行的 GeForce GTX 980 上则是以 30fps 来运行。

采用 NVIDIA Maxwell GPU 架构的 TITAN X，结合 3 072 个处理核心、单精度峰值性能为 7 teraflops，加上板载的 12GB 显存，在性能和性能功耗比方面皆是前代产品的两倍。

凭借强大的处理能力和 336.5GB/s 的带宽，让它能处理用于训练深度神经网络的数百万的数据。例如， TITAN X 在工业标准模型 AlexNet 上，花了不到三天的时间、使用 120万个 ImageNet 图像数据集去训练模型，而使用16核心的 CPU 得花上四十多天。现已上市的GeForce GTX TITAN X 售价为 7999元人民币。

NVIDIA中国区公关经理何京

DIGITS：通往最佳深度神经网络的便捷之路

使用深度神经网络来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。DIGITS 深度学习 GPU 训练系统软件自始至终都将为用户提供所需数据，帮助用户建立最优的深度神经网络，改变上述的局面。

技术大会会场

即可下载DIGITS 深度学习 GPU 训练系统，这是首套用于设计、训练和验证图像分类深度神经网络的多合一图形系统。

DIGITS 可在安装、配置和训练深度神经网络过程中为用户提供指导 – 处理复杂的工作好让科学家能专心在研究活动和结果上。

得益于其直观的用户界面和强大的工作流程管理能力，不论是在本地系统还是在网络上使用 DIGITS，准备和加载训练数据集都相当简单。

这是同类系统中首个提供实时监控和可视化功能的系统，用户可以对工作进行微调。它还支持 GPU 加速版本 Caffe，目前，这一框架在众多数据科学家和研究人员中都得到了广泛使用，用于构建神经网络（参见 Parallel Forall 博客上的《DIGITs: Deep Learning Training System》一文，有更详尽的说明）。

DIGITS DevBox：全球最快的桌边型深度学习机器

NVIDIA 深度学习工程团队为了自己的研发工作而开发的 DIGITS DevBox，是一套集多项功能于一身的平台，能够加快深度学习的研究活动。它采用四个 TITAN X GPU、从内存到 I/O，DevBox 的每个组件都进行了最佳化调试，可为最严苛的深度学习研究工作提供高效率的性能表现。

技术大会会场

它已经预先安装了数据科学家和研究人员在开发自己的深度神经网络时，所需要使用到的各种软件，包括 DIGITS 软件包、最受欢迎的深度学习架构 – Caffe、 Theano 和 Torch，还有 NVIDIA 完整的 GPU 加速深度学习库 cuDNN 2.0。

所有这些都集结在这个高能效、静默、运行流畅且外形优美的软件包中，只需要普通的电源插座，低调安置在您的桌下即可。

较早期的多 GPU 训练成果显示，在关键深度学习测试中，DIGITS DevBox 可以提供 4 倍于单个 TITAN X 的性能。使用 DIGITS DevBox 来训练 AlexNet 只要13个小时就能完成，而使用最好的单 GPU PC 的话则是两天，单纯使用 CPU 系统的话则要一个月以上的时间。